公开(公告)号：CN119886365A

公开(公告)日：2025-04-25

申请号：CN202411934244.7

申请日：2024-12-26

Applicant: 东北大学

Inventor： 姜尔彧 ,  杜映璇 ,  吴迪 ,  寇月

IPC: G06N5/045 ,  G06N5/022 ,  G06N5/01 ,  G06N20/00 ,  G06N3/0499 ,  G06F16/9536 ,  G06F16/9538 ,  G06Q30/0601

Abstract: 本发明属于路径推理可解释推荐技术领域，公开一种基于反事实路径增强的强化推理可解释推荐方法及其评估方法。通过反事实推理学习用户对候选路径及其内部关系的可信度，以从细粒度视角区分用户对不同路径的偏好，从而能够选择最符合用户偏好的路径作为解释。此外，设计一种双奖励的强化学习方法用于生成推荐和解释，将路径导向的奖励与物品导向的奖励相结合，以同时提升模型的准确性和可解释性。最后提出了广泛且可量化的评估指标，即稳定性和有效性，可以更有效地评估模型的可解释性质量。

公开(公告)号：CN119886664A

公开(公告)日：2025-04-25

申请号：CN202411935499.5

申请日：2024-12-26

Applicant: 东北大学

Inventor： 杜映璇 ,  姜尔彧 ,  孙宇 ,  寇月

IPC: G06Q10/0631 ,  G06Q10/101 ,  G06F18/213 ,  G06F18/22 ,  G06F40/284 ,  G06F40/30

Abstract: 本发明属于团队组建技术领域，公开一种结合全局内聚和局部解耦的任务关联诱导团队组建方法。提出一种基于异构协作网络的团队划分，更精细地描述专家之间的合作，能够同时捕捉文本中的隐含语义和专家之间的显性结构关系，以满足特定任务需求。利用超图和带权折叠图，从全局角度捕捉跨团队合作的潜力，并将这些全局表示通过局部解耦映射到团队内部专家表示中。这种方法不仅充分利用了团队内部结构，还有效避免了范围限制问题。本发明引入了任务相关性驱动的团队匹配策略。通过分析新任务与历史任务之间的相关性，该策略能够选择合适的候选团队，从而有效避免匹配过程中的伪失败现象。该策略旨在提高团队匹配的准确性和效率。