公开(公告)号：CN113268951B

公开(公告)日：2023-05-30

申请号：CN202110479095.X

申请日：2021-04-30

Applicant: 南京邮电大学

Inventor： 顾亦然 ,  周鹏 ,  张远之 ,  陈禹洲 ,  姚朱鹏 ,  顾超

IPC: G06F40/126 ,  G06F40/216 ,  G06F40/284 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/08

公开(公告)号：CN113468415B

公开(公告)日：2024-01-23

申请号：CN202110653341.9

申请日：2021-06-11

Applicant: 南京邮电大学

Inventor： 顾亦然 ,  张远之 ,  周鹏 ,  陈禹洲 ,  姚朱鹏 ,  顾超

IPC: G06F16/9535 ,  G06F18/2411 ,  G06F18/25 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合电影属性和交互信息的电影推荐系统，通过数据采集模块获取每部电影的属性和用户历史观影信息，通过前向传输模块表示电影和用户的特征，并输出预测值。通过反向传输模块优化系统参数。通过判断模块判断预测输出层的输出值是否大于提前设定好的阈值。通过推荐模块判断是否将电影推荐给用户。本发明不仅利用了电影和用户的交互信息，还利用了电影的属性信息以及属性和属性之间的关系，可解释性增强，且有效缓解物品冷启动问题，从而获得更好的推荐效果。

公开(公告)号：CN113469610B

公开(公告)日：2023-06-02

申请号：CN202110590111.2

申请日：2021-05-28

Applicant: 南京邮电大学

Inventor： 顾亦然 ,  陈禹洲 ,  周鹏 ,  姚朱鹏 ,  张远之 ,  顾超

IPC: G06Q10/0835 ,  G06F16/29 ,  G06Q30/0601 ,  G06Q50/12

Abstract: 本发明公开了一种基于骑手平均等餐时间的最短路径优化方法，步骤如下：设计时间成本与惩罚成本模型；读取订单信息；设置约束条件，先取餐再送餐；建立符合约束条件的路径矩阵；读取骑手在某商家的等餐时间历史数据；建立商家的平均等餐时间矩阵；查询骑手、商家和客户之间的骑行时间；建立骑行时间矩阵；利用深度优先遍历算法；将得到的最短路径规划推荐给骑手。本发明通过考虑骑手平均等餐时间的因素，优化最短路径，降低惩罚成本，开发出骑手骑行时成本最低的路径推荐系统，缩短了骑手的取送餐时间，降低了订单超时的风险，增加了骑手的收益，符合客户、骑手和平台的利益要求，节约了社会资源。

公开(公告)号：CN113469610A

公开(公告)日：2021-10-01

申请号：CN202110590111.2

申请日：2021-05-28

Applicant: 南京邮电大学

Inventor： 顾亦然 ,  陈禹洲 ,  周鹏 ,  姚朱鹏 ,  张远之 ,  顾超

IPC: G06Q10/08 ,  G06F16/29 ,  G06Q30/06 ,  G06Q50/12

Abstract: 本发明公开了一种基于骑手平均等餐时间的最短路径优化方法，步骤如下：设计时间成本与惩罚成本模型；读取订单信息；设置约束条件，先取餐再送餐；建立符合约束条件的路径矩阵；读取骑手在某商家的等餐时间历史数据；建立商家的平均等餐时间矩阵；查询骑手、商家和客户之间的骑行时间；建立骑行时间矩阵；利用深度优先遍历算法；将得到的最短路径规划推荐给骑手。本发明通过考虑骑手平均等餐时间的因素，优化最短路径，降低惩罚成本，开发出骑手骑行时成本最低的路径推荐系统，缩短了骑手的取送餐时间，降低了订单超时的风险，增加了骑手的收益，符合客户、骑手和平台的利益要求，节约了社会资源。

公开(公告)号：CN113468415A

公开(公告)日：2021-10-01

申请号：CN202110653341.9

申请日：2021-06-11

Applicant: 南京邮电大学

Inventor： 顾亦然 ,  张远之 ,  周鹏 ,  陈禹洲 ,  姚朱鹏 ,  顾超

IPC: G06F16/9535 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合电影属性和交互信息的电影推荐系统，通过数据采集模块获取每部电影的属性和用户历史观影信息，通过前向传输模块表示电影和用户的特征，并输出预测值。通过反向传输模块优化系统参数。通过判断模块判断预测输出层的输出值是否大于提前设定好的阈值。通过推荐模块判断是否将电影推荐给用户。本发明不仅利用了电影和用户的交互信息，还利用了电影的属性信息以及属性和属性之间的关系，可解释性增强，且有效缓解物品冷启动问题，从而获得更好的推荐效果。

公开(公告)号：CN113268951A

公开(公告)日：2021-08-17

申请号：CN202110479095.X

申请日：2021-04-30

Applicant: 南京邮电大学

Inventor： 顾亦然 ,  周鹏 ,  张远之 ,  陈禹洲 ,  姚朱鹏 ,  顾超

IPC: G06F40/126 ,  G06F40/216 ,  G06F40/284 ,  G06F40/30 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的引文推荐方法，步骤如下：提取上下文、候选引文标题、摘要部分的关键词；使用BERT预训练模型对关键词进行处理，输出单词向量；建立GRU双向神经网络模型，对单词向量进行特征提取；引入注意力机制，将特征向量作为注意力机制的输入序列，输出候选引文集；引入时间衰减函数，根据引文发表时间及被引次数，对候选引文集进行处理，计算每个引文总得分值，按照总得分值进行排序，将排序结果推送给用户。本发明通过BERT预训练模型将单词向量化，再引入GRU双向神经网络模型和注意力机制，挖掘出与上下文相关联的引文进行推荐，根据文章发表时间和被引次数对推荐结果进一步筛选，提升了推荐引文的准确度。