-
公开(公告)号：CN115801981B
公开(公告)日：2025-05-27
申请号：CN202211398975.5
申请日：2022-11-09
IPC: H04N5/262 , H04L41/069 , H04L9/40 , H04L65/60 , H04L43/0817
Abstract: 本申请实施例公开了一种制播业务监测方法、制播业务监测系统、电子设备、芯片及计算机可读存储介质，其中，所述方法应用于制播业务监测系统，包括：读取业务系统的文件访问日志；基于所述文件访问日志，获取业务信息；基于所述业务信息，监测制播业务流程。
-
公开(公告)号：CN115801981A
公开(公告)日：2023-03-14
申请号：CN202211398975.5
申请日：2022-11-09
IPC: H04N5/262 , H04L41/069 , H04L9/40 , H04L65/60 , H04L43/0817
Abstract: 本申请实施例公开了一种制播业务监测方法、制播业务监测系统、电子设备、芯片及计算机可读存储介质，其中，所述方法应用于制播业务监测系统，包括：读取业务系统的文件访问日志；基于所述文件访问日志，获取业务信息；基于所述业务信息，监测制播业务流程。
-
公开(公告)号：CN116561446A
公开(公告)日：2023-08-08
申请号：CN202310834248.7
申请日：2023-07-10
Applicant: 中国传媒大学
IPC: G06F16/9536 , G06F16/951 , G06F16/735 , G06F16/901 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , H04N21/466 , H04N21/442 , H04N21/45
Abstract: 本发明提供一种多模态项目推荐方法、系统及设备和存储介质，属于计算机技术领域，通过构建基于多关系项目异构图与多模态偏好融合的推荐模型，实现个性化项目推荐；针对多关系项目异构图，在图注意力网络的基础上，获取不同模态下的项目多关系异构特征；针对用户‑项目二部图，捕获不同模态用户‑项目二部图中的注入高阶交互信息的用户模态偏好信息，对用户的多种模态偏好进行注意力融合，加强用户的多模态偏好表示学习，最终提高了推荐结果的准确性。本发明通过利用多模态信息与个性化推荐算法技术，缓解现有推荐系统存在的数据稀疏性与多模态信息利用不充分问题，使推荐结果更具有准确性和可解释性，从而提升运营效果与用户的使用体验。
-
公开(公告)号：CN113255844B
公开(公告)日：2021-12-10
申请号：CN202110761639.1
申请日：2021-07-06
Applicant: 中国传媒大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , H04N21/25 , H04N21/466 , G06F16/9535
Abstract: 本发明公开一种基于图卷积神经网络交互的推荐方法及系统，方法包括：构建点击率预估模型，点击率预估模型包括图卷积神经网络和输出层，图卷积神经网络包含多个图卷积层，将各特征域上的特征作为节点，通过各节点间相互连接的连接边构成无向图输入到图卷积神经网络中，图卷积神经网络输出各特征交互向量，将各特征交互向量拼接起来输入到输出层，输出点击率预估值，反复优化，直至获得最优点击率预估模型；利用最优点击率预估模型输出点击率预估值，并根据点击率预估结果对候选集排序，输出推荐列表。本发明通过引入图卷积神经网络，解决点击率预估领域的高阶特征交互问题，并以图的方式展示特征交叉的方式，提高推荐结果的可解释性。
-
Patent Agency Ranking
公开(公告)号：CN113255844A
公开(公告)日：2021-08-13
申请号：CN202110761639.1
申请日：2021-07-06
Applicant: 中国传媒大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , H04N21/25 , H04N21/466 , G06F16/9535
Abstract: 本发明公开一种基于图卷积神经网络交互的推荐方法及系统，方法包括：构建点击率预估模型，点击率预估模型包括图卷积神经网络和输出层，图卷积神经网络包含多个图卷积层，将各特征域上的特征作为节点，通过各节点间相互连接的连接边构成无向图输入到图卷积神经网络中，图卷积神经网络输出各特征交互向量，将各特征交互向量拼接起来输入到输出层，输出点击率预估值，反复优化，直至获得最优点击率预估模型；利用最优点击率预估模型输出点击率预估值，并根据点击率预估结果对候选集排序，输出推荐列表。本发明通过引入图卷积神经网络，解决点击率预估领域的高阶特征交互问题，并以图的方式展示特征交叉的方式，提高推荐结果的可解释性。
-
公开(公告)号：CN116561446B
公开(公告)日：2023-10-20
申请号：CN202310834248.7
申请日：2023-07-10
Applicant: 中国传媒大学
IPC: G06F16/9536 , G06F16/951 , G06F16/735 , G06F16/901 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , H04N21/466 , H04N21/442 , H04N21/45
Abstract: 本发明提供一种多模态项目推荐方法、系统及设备和存储介质，属于计算机技术领域，通过构建基于多关系项目异构图与多模态偏好融合的推荐模型，实现个性化项目推荐；针对多关系项目异构图，在图注意力网络的基础上，获取不同模态下的项目多关系异构特征；针对用户‑项目二部图，捕获不同模态用户‑项目二部图中的注入高阶交互信息的用户模态偏好信息，对用户的多种模态偏好进行注意力融合，加强用户的多模态偏好表示学习，最终提高了推荐结果的准确性。本发明通过利用多模态信息与个性化推荐算法技术，缓解现有推荐系统存在的数据稀疏性与多模态信息利用不充分问题，使推荐结果更具有准确性和可解释性，从而提升运营效果与用户的使用体验。
-
公开(公告)号：CN114153997B
公开(公告)日：2022-05-10
申请号：CN202210120345.5
申请日：2022-02-09
Applicant: 中国传媒大学
IPC: G06F16/435 , G06F16/48 , G06F16/36 , G06N3/04
Abstract: 本发明提供一种基于双线性感知图神经网络模型的视听推荐系统、方法，通过相似度函数计算获取的节目向量与预获取的用户嵌入向量的相似度；而后使用预测激活函数（sigmoid激活函数）将相似度的范围限制在预设区间内，以将预设区间内的值作为用户视听选择的可能性评估分值，构建为基于知识图谱的个性化视听推荐模型——融合文本信息的双线性知识感知图神经网络模型系统；该系统通过在图神经网络的基础上增加双线性采集器来捕捉知识图谱中邻居节点的二阶特征交互信息，获取节目知识向量，并且通过节目文本表示模块获取节目文本向量，进而基于节目知识向量与节目文本向量获取推荐数据，如此，提高视听推荐的精度，提升视听推荐运营效果，提高用户黏性。
-
公开(公告)号：CN114153997A
公开(公告)日：2022-03-08
申请号：CN202210120345.5
申请日：2022-02-09
Applicant: 中国传媒大学
IPC: G06F16/435 , G06F16/48 , G06F16/36 , G06N3/04
Abstract: 本发明提供一种基于双线性感知图神经网络模型的视听推荐系统、方法，通过相似度函数计算获取的节目向量与预获取的用户嵌入向量的相似度；而后使用预测激活函数（sigmoid激活函数）将相似度的范围限制在预设区间内，以将预设区间内的值作为用户视听选择的可能性评估分值，构建为基于知识图谱的个性化视听推荐模型——融合文本信息的双线性知识感知图神经网络模型系统；该系统通过在图神经网络的基础上增加双线性采集器来捕捉知识图谱中邻居节点的二阶特征交互信息，获取节目知识向量，并且通过节目文本表示模块获取节目文本向量，进而基于节目知识向量与节目文本向量获取推荐数据，如此，提高视听推荐的精度，提升视听推荐运营效果，提高用户黏性。
-
公开(公告)号：CN118485143A
公开(公告)日：2024-08-13
申请号：CN202410622959.2
申请日：2024-05-20
Applicant: 中国传媒大学 , 广东南方新媒体股份有限公司
IPC: G06N5/022 , G06F16/335 , G06F16/36
Abstract: 本发明涉及知识图谱技术领域，提出一种基于知识图谱的多任务并行推荐方法及系统，其中的方法包括构建协作知识图谱和局部图，所述局部图包括用户局部图、项目局部图、相似用户局部图和共现项目局部图；对所述局部图中的用户和项目，以及所述知识图谱中的实体和关系进行嵌入初始化处理，获取对应的低维嵌入向量；将所述低维嵌入向量输入预设推荐模型的全局注意力嵌入传播模块、局部注意力嵌入传播模块和交叉压缩单元模块进行特征提取；基于提取的特征进行推荐模型的训练，直至所述推荐模型的总损失满足预设要求以完成推荐模型的训练，基于训练完成的推荐模型对目标任务进行预测推荐。本发明能够实现融合注意力嵌入传播的知识增强多任务并行推荐，推荐准确度高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.044 seconds)
