-
公开(公告)号:CN114238758B
公开(公告)日:2023-04-11
申请号:CN202111531109.4
申请日:2021-12-14
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06F16/36 , G06F40/289 , G06F16/35 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/084 , G06Q30/06
Abstract: 本发明公开一种基于多源跨界数据融合的用户画像预测方法,针对现有技术项目特征稀疏、高阶结构化特征缺失以及用户行为序列特征缺失而导致的用户特征预测不准的问题。基于用户产生的电商数据,利用知识图谱扩充商品特征、利用图卷积网络充分对用户历史购买记录进行挖掘及利用循环神经网络预测用户的潜在购买特征,有效提升了用户画像预测的准确性。本发明的优点在于利用通过知识图谱解决了商品特征稀疏的问题,通过图卷积神经网络解决高阶结构化特征缺失的问题,通过循环神经网络解决了用户行为序列特征缺失的问题,为推荐系统的性能提升打下良好基础。
-
公开(公告)号:CN115239412A
公开(公告)日:2022-10-25
申请号:CN202210714383.3
申请日:2022-06-22
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06Q30/06 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于用户历史行为的在线商品推荐方法。本发明利用网络嵌入的矩阵分解(NetMF)模型来对用户历史行为进行增强表示,并且利用滤波层过滤用户历史行为中存在的噪声,再利用用户兴趣抽取层和用户兴趣演化层来充分挖掘用户历史兴趣和用户最近兴趣,最后通过多层感知机(MLP)来组合各种特征,以提升在线商品推荐性能。模型不需要超长的用户历史行为数据,这降低了对现有电子商务系统的数据要求,也避免了数据稀疏导致训练不充分。这非常有利于在线商品推荐中的模型训练、模型更新、模型上线。
-
公开(公告)号:CN114298734A
公开(公告)日:2022-04-08
申请号:CN202111461532.1
申请日:2021-12-02
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
Abstract: 本发明公开了一种基于多任务学习的互联网在线广告精准投放方法。本发明从基于深度学习用于广告转化率预估的模型出发,在ESMM模型的基础上,利用AutoInt模型作为特征提取组件,提取高阶特征,以及利用自适应调整任务权重策略(AdaptTW)在模型训练过程中根据任务的学习难度和学习速度自适应调整任务的权重,保证任务优化同步,实现最优,以提升互联网广告转化率预估性能。模型不需要大量具有用户转化行为的数据,避免了由于数据稀疏导致训练不充分。本发明在应用到在线广告投放系统中,能够提升广告的转化率,同时没有过多增加模型更新训练时间。
-
公开(公告)号:CN115168705A
公开(公告)日:2022-10-11
申请号:CN202210714353.2
申请日:2022-06-22
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于用户交互记录的用户画像预测方法,该方法包括:采集用户的基本信息、用户项目交互记录、项目属性信息;构建用户关系图,利用图卷积神经网络学习相邻用户的特征;构建项目属性图,利用图注意力神经网络丰富商品的语义信息;构造用户项目异构图,利用一种二部图卷积神经网络的提取用户间的高阶连通特征,学习用户间的相似性。本发明提高了用户画像的准确性,从而可以利用用户画像为相应用户提供个性化服务。
-
公开(公告)号:CN114238758A
公开(公告)日:2022-03-25
申请号:CN202111531109.4
申请日:2021-12-14
Applicant: 杭州电子科技大学 , 浙江盘石信息技术股份有限公司
IPC: G06F16/9535 , G06F16/36 , G06F40/289 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开一种基于多源跨界数据融合的用户画像预测方法,针对现有技术项目特征稀疏、高阶结构化特征缺失以及用户行为序列特征缺失而导致的用户特征预测不准的问题。基于用户产生的电商数据,利用知识图谱扩充商品特征、利用图卷积网络充分对用户历史购买记录进行挖掘及利用循环神经网络预测用户的潜在购买特征,有效提升了用户画像预测的准确性。本发明的优点在于利用通过知识图谱解决了商品特征稀疏的问题,通过图卷积神经网络解决高阶结构化特征缺失的问题,通过循环神经网络解决了用户行为序列特征缺失的问题,为推荐系统的性能提升打下良好基础。
-
公开(公告)号:CN118606844A
公开(公告)日:2024-09-06
申请号:CN202410756696.4
申请日:2024-06-13
Applicant: 杭州电子科技大学 , 杭州电子科技大学舟山同博海洋电子信息研究院有限公司
IPC: G06F18/2431 , G06F18/2131
Abstract: 本发明公开了一种基于频域特征抽取的时间序列分类方法,该方法首先获取数据集中的不同维度的时间序列信息,并应用标准化。其次将标准化后的时间序列信息放入时间分块层中,进行分解,将分解后的数据输入Transformer中的自注意力层提取时域特征。然后对时域特征进行傅里叶分解,并通过选择算子同时保留频域上的高频分量和低频分量,再通过逆傅里叶变换将时序数据转换到时域维度。最后根据时域特征和频域特征信息,由分类器对时序数据进行分类。本发明从而解决了时序数据的分类过程中缺乏对频域信息的学习,提高时序分类的准确率。
-
公开(公告)号:CN115296918B
公开(公告)日:2025-04-18
申请号:CN202210958883.1
申请日:2022-08-10
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于链上行为贡献证明的去中心化金融策略共享方法。本发明针对底层采用区块链技术的去中心化金融策略共享系统,引入行为贡献激励机制,根据策略共享和系统共识场景定义角色和贡献奖惩规则,计算用户链上不同行为的贡献增量,相反贡献值可以成为共享和共识竞争过程中的激励因素。从而激发共享实体的积极性,规范其行为,降低恶意行为的概率。此外,本发明利用智能合约程序和属性基加密技术实现链上策略的发布与订阅、信号的发送与接收以及信号数据的细粒度访问控制;根据历史信号数据刻画策略的数字画像,提高策略的可靠性。
-
公开(公告)号:CN112288471B
公开(公告)日:2024-07-02
申请号:CN202011154969.6
申请日:2020-10-26
Applicant: 杭州电子科技大学
IPC: G06Q30/0242 , G06Q30/0251 , G06Q30/0241
Abstract: 本发明公开了一种基于用户历史行为序列的广告点击率预测方法,该方法包括:采集目标用户特征信息、广告信息以及用户历史行为信息,构建广告相关图,并运用图嵌入方法对用户历史行为信息数据进行增强表示,学习得到能充分表达广告特征的表示向量;在点击率预估模型中加入自注意力机制层,能够更直接地学习到用户历史行为之间的内部相关性,减少了对外部信息的依赖。在多个公开的亚马逊商品点击数据集以及盘石公司广告点击数据集上的实验显示,本发明提供的技术方案提高了点击率预测的准确性,从而可以更准确地向用户展示其感兴趣的广告。
-
公开(公告)号:CN116955650A
公开(公告)日:2023-10-27
申请号:CN202310940713.5
申请日:2023-07-28
Applicant: 杭州电子科技大学
IPC: G06F16/36 , G06F40/295 , G06F16/2453 , G06F18/214
Abstract: 本发明公开基于小样本知识图谱补全的信息检索优化方法,构造小样本知识图谱补全模型GAKDN,利用门控和角色感知的邻居聚合器有效过滤邻居噪声信息,减少噪音信息在学习实体嵌入时的影响,通过角色识别网络学习实体和邻居关系的深层关联,识别实体在不同小样本关系下的角色;通过知识蒸馏提取小样本关系对应的实体对之间的结构信息,缓解样本表征不足的问题;利用自适应匹配处理器计算正负例查询集与支持集的得分,根据最高得分找到最适合的补全实体。本发明解决了噪声邻域、实体多角色和小样本场景下样本特征学习不足的问题,从而更准确地预测待补全的尾实体,提高小样本场景下知识图谱补全的准确率,以优化知识图谱的信息检索能力。
-
公开(公告)号:CN114239584A
公开(公告)日:2022-03-25
申请号:CN202111539122.4
申请日:2021-12-15
Applicant: 杭州电子科技大学
IPC: G06F40/295 , G06F16/35 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自监督学习的命名实体识别方法,该方法包括:对数据集进行预处理,并利用处理好的数据集构建正例句子对和负例句子对,利用embedding编码器分别对正例句子对和负例句子对中的句子进行编码;在基于自监督学习的命名实体识别模型中根据不同的实体特征以及相似度矩阵学习到实体在不同语境中的不同释义,充分根据正例句子对以及负例句子对的相似度学习其特征向量,满足不同语料库的语种上的差异。本发明提高了命名实体识别的准确率,并通过知识图谱解决输出结果中因单词缩写引起的实体类型识别错误的问题,从而可以更准确地预测实体以及实体类型,使得具有多义性单词的词嵌入向量能更好的表示该词在当前语境中的释义。
-
-
-
-
-
-
-
-
-