公开(公告)号：CN117743798A

公开(公告)日：2024-03-22

申请号：CN202311785649.4

申请日：2023-12-22

Applicant: 北京理工大学

Inventor： 付浩言 ,  秦志达 ,  薛文皓 ,  丁刚毅

IPC: G06F18/20 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明公开了一种融合时序和语义依赖关系的会话式推荐系统及方法，其中系统部分包括：物品转换依赖模块、语义依赖模块、交叉融合模块和调试模块；物品转换依赖模块与交叉融合模块连接，物品转换依赖模块用于捕捉物品的转换依赖关系；语义依赖模块与交叉融合模块连接，语义依赖模块用于捕捉嵌入在原始物品序列中的语义信息；交叉融合模块用于对转换依赖关系和语义信息进行交叉融合训练，得到推荐模型；调试模块与交叉融合模块连接，调试模块用于减小推荐模型的误差。本发明在基于会话的推荐中引入语义依赖模块，以了解用户的总体兴趣。同时提出了两种不同层次的物品转换图来挖掘用户的长期和短期时间依赖性，并自适应地合并自监督学习来整合信息。

公开(公告)号：CN119179813A

公开(公告)日：2024-12-24

申请号：CN202411243950.7

申请日：2024-09-05

Applicant: 北京理工大学

Inventor： 付浩言 ,  秦志达 ,  杨诗晓 ,  张颢耀 ,  李爽 ,  黄天羽

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N3/0455 ,  G06N3/042

Abstract: 本发明提供一种结合常微分方程和时间引导扩散生成的序列推荐方法，首先模拟了交互数据的连续时间进化过程，并构建了用户特定序列图和跨序列进化图，前者用于捕捉个人用户偏好的变化，后者侧重于探索时间感知的项目表示；其次，应用时间引导扩散生成来填充和扩充进化图，以减轻数据的稀疏性；最后，使用基于双通道图的神经ODE学习器来获取特定时间的用户兴趣；因此，本发明能够提高推荐结果与用户的匹配度。

公开(公告)号：CN117688242A

公开(公告)日：2024-03-12

申请号：CN202311747023.4

申请日：2023-12-19

Applicant: 北京理工大学

Inventor： 薛文皓 ,  秦志达 ,  付浩言 ,  丁刚毅

IPC: G06F16/9535 ,  G06F40/30 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/25 ,  G06N3/042

Abstract: 本发明公开了一种语义信息与意图增强的会话推荐方法及系统，设计新的意图捕获策略生成意图表示，通过对比学习算法将会话与意图对比，可以更好地捕获会话意图，减少会话中噪声的影响；将语义信息和用户意图整合到会话推荐中，提出一种多任务学习框架，可以提高推荐性能；通过设计损失函数，可以提高计算效率，缓解过拟合现象。相比于传统推荐方法，本发明剖析原始数据集中可能存在的潜在信息，并挖掘项目之间的潜在语义信息，通过聚类方法与对比学习算法实现语义信息的学习与优化；本发明设计新的意图学习范式，考虑会话内部的项目对会话意图的影响，利用项目语义原型映射为意图表示，通过对比学习实现会话意图的优化。

公开(公告)号：CN117788119A

公开(公告)日：2024-03-29

申请号：CN202311863212.8

申请日：2023-12-29

Applicant: 北京理工大学

Inventor： 付浩言 ,  秦志达 ,  薛文皓 ,  丁刚毅

IPC: G06Q30/0601 ,  G06F18/2415 ,  G06F18/20 ,  G06F18/25 ,  G06F18/21 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开一种应用多通道动态超图的会话式推荐方法及系统，包括根据购买物品历史数据，构建图结构数据，并通过图编码器对图结构数据进行图卷积处理，生成一般图信息；通过深度学习模型对所述一般图信息进行转换，生成关联矩阵，基于一般图信息及关联矩阵进行图卷积处理，生成动态超图信息，对所述动态超图信息进行池化处理，生成综合特征；通过注意力机制对所述综合特征进行处理，生成融合物品特征，基于所述融合物品特征，生成会话嵌入表示，其中，图编码器、深度学习模型及注意力机制已通过互信息最大化方法及交叉熵损失函数进行参数优化；基于所述融合物品特征及会话嵌入表示，生成推荐物品信息。