用户表征学习及推荐方法及系统
    2.
    发明公开

    公开(公告)号:CN116258551A

    公开(公告)日:2023-06-13

    申请号:CN202310135479.9

    申请日:2023-02-17

    Abstract: 本发明提供了一种用户表征学习及推荐方法及系统,包括如下步骤:使用全连接神经网络将用户和项目的one‑hot编码转换为embedding表征;将用户会话分为长期会话和短期会话,抽取关键信息,分别形成长期会话表征和短期会话表征;计算用户可能属于的用户组的概率分布;根据概率分布,聚合不同用户组的特征,捕捉用户邻居的影响以及志同道合用户子集之间的偏好差异,得到群体影响表征;用户的长期会话表征和短期会话表征以及群体影响表征构建混合用户表征;估计一个项目成为下一个访问项目的概率。本发明解决了大多数现有的基于会话的推荐系统中,独立地基于用户自身的会话总结用户的表征,而忽视了用户模型之间信息共享的问题。

    一种基于台户关系识别模型的台户关系识别方法

    公开(公告)号:CN119357836A

    公开(公告)日:2025-01-24

    申请号:CN202411491031.1

    申请日:2024-10-24

    Abstract: 本发明涉及一种基于台户关系识别模型的台户关系识别方法,所述识别方法的过程包括以下步骤:采集用户的用电量,对采集过程中的错误数据进行处理,经过处理后的所有数据进行标准化处理,确保不同用户的用电信息能够在同一尺度下进行比较和分析;基于标准化处理后的数据,从时域和频域提取用电信息特征值,构建反应用户用电习惯的特征向量;采用随机森林算法建立台户关系模型并进行训练和评估,通过构建多个决策树并分别进行预测,组合成强分类器基于各决策树预测结果计算最终分类结果。本发明通过提取用户用电信息特征值,建立台户关系识别模型,构建多个决策树并进行独立预测,集合决策树预测值得到最终的用户台区分类结果。

Patent Agency Ranking