公开(公告)号：CN103488676A

公开(公告)日：2014-01-01

申请号：CN201310294465.8

申请日：2013-07-12

Applicant: 上海交通大学

Inventor： 李武军 ,  王灏 ,  过敏意

IPC: G06F17/30 ,  G06F17/27

CPC classification number: G06F17/2785

Abstract: 本发明公开了一种基于社交正则化协同话题回归的标签推荐系统及方法，该系统包括：CTR模型建立模组，对所有标签建立CTR模型；有社交正则化的CTR模型建立模组，通过将物品-标签矩阵、物品内容信息以及物品之间的社交网络整合到一个层级贝叶斯模型以建立CTR-SR模型；参数学习模组，利用最大后验估计对该有社交正则化的CTR模型建立模组建立的模型中的参数进行学习，最终各参数的全后验概率；标签推荐模组，根据学习后的参数进行标签推荐，本发明将CTR模型应用于标签推荐，通过对CTR进行拓展，提出了一种层级式的贝叶斯模型，有效地整合了物品-标签矩阵、物品内容信息，并利用了物品之间的网络关系，提高了推荐的准确度。

公开(公告)号：CN103034626A

公开(公告)日：2013-04-10

申请号：CN201210577036.7

申请日：2012-12-26

Applicant: 上海交通大学

Inventor： 李武军 ,  罗珞 ,  过敏意

IPC: G06F17/27

Abstract: 本发明公开了一种情感分析系统及方法，该系统包括语料库建立模组，用于建立观点句识别及情感倾向分析所需的训练集；数据预处理模组，用于对训练集中的句子进行预处理；观点句识别模组，采用支持向量机分类器与贝叶斯分类器分别对预处理后的句子进行观点句识别，并对两分类器的结果进行集成处理，得到最终的分类结果；以及情感倾向分析模组，基于支持向量机分类器及贝叶斯分类器分别直接将预处理后的句子分为正面、负面和无观点三类，并通过一集成公式将该支持向量机分类器和贝叶斯分类器的分类结果集成，得到当前句子的分类结果，本发明可提高中文微博的观点句判断和情感倾向性分类的性能。

公开(公告)号：CN103390032B

公开(公告)日：2017-01-18

申请号：CN201310279187.9

申请日：2013-07-04

Applicant: 上海交通大学

Inventor： 李武军 ,  王灏 ,  过敏意

IPC: G06F17/30

Abstract: 本发明公开了一种基于关系型协同话题回归的推荐系统及其方法，该系统至少包括：RCTR模型建立模组，将用户-物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型以建立RCTR模型；参数学习模组，利用最大后验估计对RCTR模型中的参数进行学习，最终获得参数用户隐向量、物品隐向量、物品关系向量和物品话题比例的全后验概率；预测值计算模组，使用用户隐向量、物品话题比例和物品隐偏移的点估计利用一预测值计算公式来计算评价的预测值，本发明通过无缝地将用户-物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型，以将物品之间的社交网络集合到推荐过程中，从而提高了推荐的准确度。

公开(公告)号：CN103345581B

公开(公告)日：2016-12-28

申请号：CN201310280241.1

申请日：2013-07-04

Applicant: 上海交通大学

Inventor： 李武军 ,  王灏 ,  过敏意

IPC: G06F19/00

Abstract: 本发明公开了一种基于在线自中心模型的动态网络分析系统及方法，该系统至少包括：目标函数建立模组，在动态自中心模型基础上，以需要学习的参数β与话题比例ωk作为变量建立目标函数；目标函数最小化模块，于一个新事件或者一系列新事件发生后，利用交替投影算法交替更新该需要学习的参数向量β与该话题比例ωk，获得目标函数的最优解，本发明通过对时变的话题特征与模型参数进行建模，从而使得模型随着时间推移预测的准确度不会下降。

公开(公告)号：CN103390032A

公开(公告)日：2013-11-13

申请号：CN201310279187.9

申请日：2013-07-04

Applicant: 上海交通大学

Inventor： 李武军 ,  王灏 ,  过敏意

IPC: G06F17/30

Abstract: 本发明公开了一种基于关系型协同话题回归的推荐系统及其方法，该系统至少包括：RCTR模型建立模组，将用户-物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型以建立RCTR模型；参数学习模组，利用最大后验估计对RCTR模型中的参数进行学习，最终获得参数用户隐向量、物品隐向量、物品关系向量和物品话题比例的全后验概率；预测值计算模组，使用用户隐向量、物品话题比例和物品隐偏移的点估计利用一预测值计算公式来计算评价的预测值，本发明通过无缝地将用户-物品评价信息、物品内容信息与物品间的关系结构整合到一个层级贝叶斯模型，以将物品之间的社交网络集合到推荐过程中，从而提高了推荐的准确度。

公开(公告)号：CN103345581A

公开(公告)日：2013-10-09

申请号：CN201310280241.1

申请日：2013-07-04

Applicant: 上海交通大学

Inventor： 李武军 ,  王灏 ,  过敏意

IPC: G06F19/00

Abstract: 本发明公开了一种基于在线自中心模型的动态网络分析系统及方法，该系统至少包括：目标函数建立模组，在动态自中心模型基础上，以需要学习的参数β与话题比例ωk作为变量建立目标函数；目标函数最小化模块，于一个新事件或者一系列新事件发生后，利用交替投影算法交替更新该需要学习的参数向量β与该话题比例ωk，获得目标函数的最优解，本发明通过对时变的话题特征与模型参数进行建模，从而使得模型随着时间推移预测的准确度不会下降。