公开(公告)号：CN118014685A

公开(公告)日：2024-05-10

申请号：CN202410161790.5

申请日：2024-02-05

Applicant: 东北大学

Inventor： 赵宇海 ,  刘宝印 ,  刘信毅 ,  马生俊 ,  印莹

IPC: G06Q30/0601 ,  G06F16/9536 ,  G06N5/022 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明提供一种基于知识图谱增强图对比学习的推荐方法，涉及数据推荐技术领域。该方法首先获取所有需要推荐的用户以及需要推荐的物品，并获取物品的属性信息；然后构建四个图结构；再构建多图融合模型，对推荐物品和用户进行特征向量学习，得到混有知识图谱信息和协作图信息的用户特征向量和推荐物品特征向量；构建纯协作图模型，对用户特征向量以及推荐物品特征向量进行学习，得到只包含交互信息的用户向量表示和推荐物品向量表示；确定统一的优化目标，进行迭代学习，得到用户和物品的两组特征向量；基于得到的用户和物品的特征向量，以及需要被推荐的用户列表，遍历用户列表，依次为每一个用户进行推荐。

公开(公告)号：CN112765469B

公开(公告)日：2023-10-27

申请号：CN202110096836.6

申请日：2021-01-25

Applicant: 东北大学

Inventor： 赵宇海 ,  汪嗣尧 ,  王若飞 ,  马生俊 ,  印莹

IPC: G06F16/9535 ,  G06F16/957 ,  G06F16/901

Abstract: 本发明提供一种从Web点击流数据中挖掘代表序列模式的方法，涉及序列模式挖掘技术领域。该方法首先输入Web点击流序列数据集、最小支持度和最大覆盖度，并遍历一次数据集保留不小于最小支持度的所有频繁站点作为序列生成种子；对每一个序列生成种子采用缝隙扩展枚举树，结合缝隙扫描剪枝策略和闭合检查得到该种子的所有频繁闭合超序列；进一步采用局部代表序列筛选技术选出该种子的所有代表序列；遍历所有序列生成种子，输出每个种子的代表序列，得到Web点击流数据的所有代表序列模式。优点是：代表序列模式能有效解决频繁序列模式数量庞大而可用性低的矛盾，能增强结果的可用性；为Web点击流的在线用户行为分析、信息推荐、引擎优化等应用提供参考。

公开(公告)号：CN112765469A

公开(公告)日：2021-05-07

申请号：CN202110096836.6

申请日：2021-01-25

Applicant: 东北大学

Inventor： 赵宇海 ,  汪嗣尧 ,  王若飞 ,  马生俊 ,  印莹

IPC: G06F16/9535 ,  G06F16/957 ,  G06F16/901

Abstract: 本发明提供一种从Web点击流数据中挖掘代表序列模式的方法，涉及序列模式挖掘技术领域。该方法首先输入Web点击流序列数据集、最小支持度和最大覆盖度，并遍历一次数据集保留不小于最小支持度的所有频繁站点作为序列生成种子；对每一个序列生成种子采用缝隙扩展枚举树，结合缝隙扫描剪枝策略和闭合检查得到该种子的所有频繁闭合超序列；进一步采用局部代表序列筛选技术选出该种子的所有代表序列；遍历所有序列生成种子，输出每个种子的代表序列，得到Web点击流数据的所有代表序列模式。优点是：代表序列模式能有效解决频繁序列模式数量庞大而可用性低的矛盾，能增强结果的可用性；为Web点击流的在线用户行为分析、信息推荐、引擎优化等应用提供参考。