公开(公告)号：CN116595260A

公开(公告)日：2023-08-15

申请号：CN202310609035.4

申请日：2023-05-25

Applicant: 南京邮电大学通达学院

Inventor： 钱圣伟 ,  余永红 ,  张傲然 ,  钱未闻

IPC: G06F16/9535 ,  G06N3/048 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于解纠缠表示学习的个性化标签推荐方法，包括：首先，获得各个潜在意图的分块表示，利用图解纠缠模块，将潜在意图的分块表示与对应意图进行耦合，得到用户、物品、面向用户的标签和面向物品的标签的解纠缠嵌入表示，利用独立性模块计算不同意图之间的独立性损失，利用成对张量分解算法学习用户、物品、面向用户的标签和面向物品的标签的嵌入式表示，使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，提供个性化的标签推荐。本发明不仅提高了个性化标签推荐算法的准确性，还提升了个性化标签推荐算法的可解释性，使用户更加信赖推荐结果。

公开(公告)号：CN119382090A

公开(公告)日：2025-01-28

申请号：CN202411420633.8

申请日：2024-10-12

Applicant: 南京邮电大学通达学院

Inventor： 丁鸿飞 ,  余永红 ,  张傲然 ,  谭耀

IPC: H02J3/00 ,  G06Q50/06 ,  G06Q10/04 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进Bert的长期风电功率预测方法。该方法主要包括如下步骤：首先，对数据集中风机信息的异常值和时间信息进行预处理。接着，使用全连接层和卷积层处理数据，以得到带有时序信息和时间信息的风机信息的高维度表示。使用全连接层对其进行处理，分别得到多头自注意力机制所需的共享查询键矩阵和值矩阵。然后，使用随机旋转的方法，将数据矩阵映射到不同哈希桶中，在每个哈希桶内使用多头自注意力机制。最后，使用残差连接和层归一化处理得到最终结果。本发明提出的改进Bert模型能够在将时间复杂度降低至O(nlogn)的同时，提高预测的准确率。

公开(公告)号：CN116821501A

公开(公告)日：2023-09-29

申请号：CN202310792399.0

申请日：2023-06-30

Applicant: 南京邮电大学通达学院

Inventor： 穆睿哲 ,  余永红 ,  张傲然

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于对抗学习图卷积神经网络的推荐方法，首先，初始化隐式的用户特征矩阵、隐式的物品特征矩阵，构建用户‑物品交矩阵，获得用户物品的高阶嵌入表示，加入对抗扰动，迭代的叠加多层图卷积神经网络，获得添加对抗扰动后用户物品的高阶嵌入表示，计算对抗损失，将对抗损失集成到BPR的目标公式中，最小化目标公式，学习用户和物品的特征表示，通过计算用户和物品嵌入表示的内积预测物品的评分，根据预测评分提供个性化的物品推荐。本发明在图卷积推荐算法的基础上，集成了对抗学习模块，有效地减轻了推荐模型的泛化误差，不仅提高了推荐算法的鲁棒性，而且提升了推荐算法的性能。

公开(公告)号：CN116821500A

公开(公告)日：2023-09-29

申请号：CN202310792361.3

申请日：2023-06-30

Applicant: 南京邮电大学通达学院

Inventor： 李胜龙 ,  余永红 ,  张傲然 ,  钱未闻

IPC: G06F16/9535 ,  G06N3/0464 ,  G06F17/16 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于人工智能推荐系统领域，公开了一种基于对比学习的个性化标签推荐方法，包括：通过高斯先验初始化隐式的特征矩阵，在用户与标签交互图和物品与标签交互图上，利用图卷积神经网络获得用户、物品、面向用户的标签和面向物品的标签的高阶嵌入表示并在高阶嵌入表示中注入噪音，获得带噪音的用户和面向用户标签的嵌入表示，采用Info_NEC计算对比损失，构建目标函数，通过Adam优化器学习模型参数，使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，根据预测评分提供个性化的标签推荐。本发明利用对比学习从输入数据本身中提取有价值的信息，减轻数据稀疏问题。