-
公开(公告)号：CN110765363B
公开(公告)日：2023-05-05
申请号：CN201910920671.2
申请日：2019-09-27
Applicant: 复旦大学
IPC: G06F16/9536 , G06N3/0464 , G06N3/08
Abstract: 本发明属于人工智能领域，具体为一种基于高斯分布表示的深度推荐模型。本发明推荐模型分为四层：依次为嵌入表示层、特征交互层、特征抽取层与预测层；在嵌入表示层产生目标用户u和待推荐物品v的高斯分布向量；在特征交互层通过蒙特卡洛采样法为u和v各生成同样数量的样本，每个用户样本向量和每个物品样本向量两两配对并组成一个交互特征立方体E；在特征抽取层通过搭建卷积神经网络和多层感知机网络，从E中提取出u和v的交互特征并进行压缩；在预测层用逻辑斯蒂（Sigmoid）函数计算最终的预测分数。本发明模型具有灵活的用户/物品表示特性，可实现对具有不确定偏好用户的精准推荐。
-
公开(公告)号：CN103593792B
公开(公告)日：2016-09-28
申请号：CN201310565133.9
申请日：2013-11-13
Applicant: 复旦大学
IPC: G06Q30/02
Abstract: 本发明属于计算机软件技术领域，具体为一种基于中文知识图谱的个性化推荐方法与系统。本发明利用中文知识图谱中概念实体间的超链接关系度量出任意两个词条间的语义关联，并结合一种改进的显式语义分析模型（ESA）来实现由两组标签分别刻画的用户和待推荐物品之间的精准推荐。对于两组即便没有共同标签词条的标签组，本发明提出的改进ESA模型借助中文知识图谱也能度量出两者间的语义距离，即匹配程度，从而极大地拓展了基于标签描述的个性化推荐技术的应用场合，具有广泛的商业应用价值。
-
公开(公告)号：CN116091167A
公开(公告)日：2023-05-09
申请号：CN202310152194.6
申请日：2023-02-23
Applicant: 复旦大学
IPC: G06Q30/0601 , G06F18/214
Abstract: 本发明属于人工智能与信息检索技术领域，具体为一种基于多任务学习框架的团购推荐模型。本发明团购推荐模型包括图表示学习模块、多任务学习模块、表示微调和预测模块；本发明首先公式化地定义团购推荐任务，并将团购任务拆分为两个相关的子任务；图表示学习模块通过节点和关系类型划分多视图，在多视图上分别学习用户和物品的特征表示，聚合得到每位用户和节点的向量表示；多任务学习模块通过专家网络和门控单元，同时学习两个任务，使两个任务的学习相互促进，并对门控单元进行调整，以提升多个学习任务间的信息交互能力；表示微调和预测模块通过辅助损失函数对特征表示进行微调，以提升特征表示的泛化性。本发明系统可实现高效、准确地团购推荐。
-
公开(公告)号：CN110765363A
公开(公告)日：2020-02-07
申请号：CN201910920671.2
申请日：2019-09-27
Applicant: 复旦大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明属于人工智能领域，具体为一种基于高斯分布表示的深度推荐模型。本发明推荐模型分为四层：依次为嵌入表示层、特征交互层、特征抽取层与预测层；在嵌入表示层产生目标用户u和待推荐物品v的高斯分布向量；在特征交互层通过蒙特卡洛采样法为u和v各生成同样数量的样本，每个用户样本向量和每个物品样本向量两两配对并组成一个交互特征立方体E；在特征抽取层通过搭建卷积神经网络和多层感知机网络，从E中提取出u和v的交互特征并进行压缩；在预测层用逻辑斯蒂（Sigmoid）函数计算最终的预测分数。本发明模型具有灵活的用户/物品表示特性，可实现对具有不确定偏好用户的精准推荐。
-
公开(公告)号：CN114911947B
公开(公告)日：2024-11-15
申请号：CN202210419758.3
申请日：2022-04-20
Applicant: 复旦大学
IPC: G06F16/36 , G06F16/35 , G06N3/0455 , G06N3/084 , G06N3/0985
Abstract: 本发明属于人工智能与知识工程技术领域，具体为一种基于知识提示的概念抽取模型，简称KPCE。本发明模型包括提示构建器和概念抽取器；提示构建器，给定实体的主题用作双向编码表示的预训练语言模型，简称BERT，的知识引导提示；并添加可训练的连续提示，以增强概念抽取性能；概念抽取器利用提示引导BERT以及指针网络从输入文本中抽取多粒度、高质量的概念。本发明使用从现有知识图谱中获取的主题知识构建语言提示，同时考虑神经网络连续性特征，将可训练的连续提示与上述主题构建的知识提示结合，以此提升大规模预训练语言模型BERT在概念抽取任务上的性能；还借助指针网络，设置适当的阈值重复抽取文本中同一片段，实现多粒度概念的获取。
-
Patent Agency Ranking
公开(公告)号：CN112101984A
公开(公告)日：2020-12-18
申请号：CN202010822297.5
申请日：2020-08-16
Applicant: 复旦大学
IPC: G06Q30/02 , G06F16/9535 , G06F16/36 , G06N3/04
Abstract: 本发明属于人工智能与信息检索技术领域，具体为一种融合用户微观行为和知识图谱的会话推荐模型，简称MKM‑SR。本发明模型首先使用不同的深度学习模型对用户的交互操作序列和交互物品序列分别进行编码，并将操作和物品的嵌入表示向量组合成用户的微观行为表示(向量)，再采用注意力机制基于的用户的微观行为表示生成会话的综合表示(向量)，从而实现对下一个交互物品的准确预测。此外，本模型还基于TransH知识表示模型调优物品表示，将其与会话推荐任务共同融入多任务学习框架，从而进一步提升会话推荐的效果，并有效缓解用户历史交互数据稀疏带来的问题。
-
公开(公告)号：CN103593792A
公开(公告)日：2014-02-19
申请号：CN201310565133.9
申请日：2013-11-13
Applicant: 复旦大学
IPC: G06Q30/02
Abstract: 本发明属于计算机软件技术领域，具体为一种基于中文知识图谱的个性化推荐方法与系统。本发明利用中文知识图谱中概念实体间的超链接关系度量出任意两个词条间的语义关联，并结合一种改进的显式语义分析模型（ESA）来实现由两组标签分别刻画的用户和待推荐物品之间的精准推荐。对于两组即便没有共同标签词条的标签组，本发明提出的改进ESA模型借助中文知识图谱也能度量出两者间的语义距离，即匹配程度，从而极大地拓展了基于标签描述的个性化推荐技术的应用场合，具有广泛的商业应用价值。
-
公开(公告)号：CN117875419A
公开(公告)日：2024-04-12
申请号：CN202410147705.X
申请日：2024-02-02
Applicant: 复旦大学
IPC: G06N5/022 , G06F16/36 , G06N3/0455 , G06N5/04 , G06F18/214 , G06N3/08
Abstract: 本发明属于知识工程技术领域，具体为一种基于对偶任务的开放信息抽取方法。本发明模型包括共享编码器、关系解码器、三元组解码器以及文本解码器；共享编码器对不同模块的输入文本进行统一编码，得到隐藏层的嵌入表示；关系编码器根据输入文本的隐藏层表示生成关系序列，作为提示来引导模型；三元组解码器接收关系序列和输入文本拼接而成的引导序列，完成三元组的抽取；文本解码器将结果编码的三元组输入解码为自然文本。本发明在模型训练过程中引入对偶任务学习进行约束，引导模型学习输入文本中的丰富语义信息与复杂句法结构，提高模型对文本的理解能力，进而提升大规模预训练语言模型在复杂场景下进行开放信息抽取的性能。
-
公开(公告)号：CN114911947A
公开(公告)日：2022-08-16
申请号：CN202210419758.3
申请日：2022-04-20
Applicant: 复旦大学
Abstract: 本发明属于人工智能与知识工程技术领域，具体为一种基于知识提示的概念抽取模型，简称KPCE。本发明模型包括提示构建器和概念抽取器；提示构建器，给定实体的主题用作双向编码表示的预训练语言模型，简称BERT，的知识引导提示；并添加可训练的连续提示，以增强概念抽取性能；概念抽取器利用提示引导BERT以及指针网络从输入文本中抽取多粒度、高质量的概念。本发明使用从现有知识图谱中获取的主题知识构建语言提示，同时考虑神经网络连续性特征，将可训练的连续提示与上述主题构建的知识提示结合，以此提升大规模预训练语言模型BERT在概念抽取任务上的性能；还借助指针网络，设置适当的阈值重复抽取文本中同一片段，实现多粒度概念的获取。
-
公开(公告)号：CN103577549B
公开(公告)日：2017-02-15
申请号：CN201310481674.3
申请日：2013-10-16
Applicant: 复旦大学
IPC: G06F17/30
Abstract: 本发明属于无线通信网络技术领域，具体为一种基于微博标签的人群画像系统和方法，本发明系统包含微博标签推荐和标签主题聚类两大模块，其中第一模块中采用一个涵盖三个步骤的标签推荐算法。第一步为同质性标签推荐，第二步为共现性标签扩展；第三步则是以中文知识图谱为基础建立语义网络，利用网络拓扑特性来度量标签之间的语义相似度，从而去除语义相同或相似的标签，保证用来刻画用户的标签精炼性。本发明利用微博用户标签具有广泛的商业应用价值，同时也为互联网用户标签的挖掘算法和中文知识图谱的应用指明了研究方向。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
