公开(公告)号：CN116150476A

公开(公告)日：2023-05-23

申请号：CN202211524991.4

申请日：2022-11-30

Applicant: 支付宝(杭州)信息技术有限公司 ,  华中科技大学

Inventor： 魏巍 ,  赵森 ,  李文迪 ,  刘逸帆 ,  朱帅 ,  杨明晖

IPC: G06F16/9535 ,  G06N3/042 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/0455 ,  G06N3/092

Abstract: 本说明书的实施例提供了一种用于对话推荐物品的交互方法、模型训练方法和装置。在该用于对话推荐物品的交互方法中，获取目标用户的对话历史和候选信息集，对话历史包括至少一轮对话中的历史行为和目标用户针对历史行为的反馈；根据对话历史和候选信息集确定目标用户的当前状态编码；将当前状态编码提供给行为预测模型，得到预测行为，预测行为包括对目标用户询问属性或推荐物品；将当前状态编码提供给候选信息确定模型，得到与预测行为相匹配的目标候选信息，目标候选信息包括从与预测行为相匹配的候选属性信息集中确定的与目标用户匹配的候选属性信息或从候选物品信息集中确定的候选物品信息。

公开(公告)号：CN117171307A

公开(公告)日：2023-12-05

申请号：CN202310897709.5

申请日：2023-07-20

Applicant: 支付宝(杭州)信息技术有限公司 ,  华中科技大学

Inventor： 魏巍 ,  赵森 ,  范士轩 ,  朱帅 ,  杨明晖

IPC: G06F16/332 ,  G06F16/33 ,  G06F40/35 ,  G06N20/00 ,  G06N3/04

Abstract: 本说明书实施例提供基于多视图超图的用户偏好学习方法、对话推荐方法及系统。在进行用户偏好学习时，使用用户交互信息、物品信息和用户社交信息，构建多视图超图，所构建的多视图超图包括喜欢视图、不喜欢视图和朋友视图；以及基于多视图超图执行针对用户节点的图学习，以学习出用户偏好表示。

公开(公告)号：CN115168595A

公开(公告)日：2022-10-11

申请号：CN202210230376.6

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  邹定 ,  王子扬 ,  赵森 ,  江胜

IPC: G06F16/36 ,  G06F16/9535

Abstract: 本发明公开了一种结合多阶协同信息的知识图谱推荐方法，包括以下步骤：1)基于所有用户的物品点击序列构建用户‑物品图；2)从用户‑物品图里提取出多阶协同信息；3)将多阶协同信息对应的物品集转换成对应的实体集；4)通过知识交互传播，将多阶协同信息和知识信息结合并对高阶信息进行降噪；5)在本地和高阶图之间制造交互，并利用交互信息对高阶信息进行降噪，从而提升每层知识信息向量的质量；6)基于知识交互传播中用户和物品的本地及高阶多层特征向量，整合得到当前用户和物品的整体向量表示。

公开(公告)号：CN115170217A

公开(公告)日：2022-10-11

申请号：CN202210230384.0

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  赵森 ,  邹定 ,  江胜

IPC: G06Q30/06 ,  G06F16/2457 ,  G06F16/2458 ,  G06N3/04

Abstract: 本发明公开了一种多视角用户意图解缠的图神经网络捆绑推荐方法，该方法包括以下步骤：1)用户意图在不同物品组合和同一物品组合中的分布，从而构造了全局图和局部图；分别对用户购买物品的意图，以及物品组合中包含的用户意图解缠，得到用户和物品组合在不同意图下的分块表示；2)对用户和物品组合在不同意图下的分块表示进行跨视角传播得到用户和物品组合在两种视角下的表示；3)通过意图对比，对比用户意图在不同视角下的信息，优化用户和物品组合的表示；4)通过拼接用户或者物品组合在不同视角下的表示来得到二者的最终表示，然后用点乘来预测用户对物品组合的偏好，实现用户对物品组合偏好的预测。本发明方法能提高捆绑推荐的准确性。

公开(公告)号：CN111265210A

公开(公告)日：2020-06-12

申请号：CN202010211091.9

申请日：2020-03-24

Applicant: 华中科技大学

Inventor： 袁烨 ,  黄虹 ,  滕巴斯 ,  赵森 ,  程骋 ,  王上

IPC: A61B5/0402 ,  A61B5/00

Abstract: 本发明属于心电图房颤预测领域，具体公开一种基于深度学习的房颤预测装置和设备，装置包括：信息提取模块，用于获取多导联原始心电图数据，并得到该导联对应的心电图节律信息；信息处理模块，用于采用滤波器确定心电图节律信息中R点位置以及各R点位置对应的心跳周期及其波形信息，以构建波形信息集合；采用降噪自编码器分别对每个心跳周期对应的波形信息集合进行特征提取和降维，得到该波形信息集合对应的多维特征数据，并计算其中每个维度特征数据的均值和方差；结果预测模块，用于按照时间顺序，将不同心跳周期对应的多维特征数据的均值和方差与该心跳周期的自适应阈值比较，判断该心跳周期是否发生房颤。本发明提高了房颤预测的正确性。