-
公开(公告)号：CN114637911A
公开(公告)日：2022-06-17
申请号：CN202210157793.2
申请日：2022-02-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06K9/62 , G06N3/04
Abstract: 本发明涉及计算机兴趣点推荐技术领域，涉及一种注意力融合感知网络的下一个兴趣点推荐方法，包括获取用户历史签到数据；将数据组成序列组；划分为长期签到序列数据和短期签到序列数据；分别送到模型进行训练，通过不同神经网络捕获用户不同偏好表示，构建偏好预测单元，利用注意力机制有机结合偏好，经过随机搜索方式学习最优参数，输出排名前K的兴趣点；将训练模型部署在多个服务器中；记录用户下一签到地点以及相对应的类别信息。本发明能够实现更加准确、高效的下一个兴趣点推荐。
-
公开(公告)号：CN114637911B
公开(公告)日：2024-04-09
申请号：CN202210157793.2
申请日：2022-02-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/214 , G06N3/045 , G06N3/044 , G06N3/0464 , G06N3/0442 , G06N3/0985
Abstract: 本发明涉及计算机兴趣点推荐技术领域，涉及一种注意力融合感知网络的下一个兴趣点推荐方法，包括获取用户历史签到数据；将数据组成序列组；划分为长期签到序列数据和短期签到序列数据；分别送到模型进行训练，通过不同神经网络捕获用户不同偏好表示，构建偏好预测单元，利用注意力机制有机结合偏好，经过随机搜索方式学习最优参数，输出排名前K的兴趣点；将训练模型部署在多个服务器中；记录用户下一签到地点以及相对应的类别信息。本发明能够实现更加准确、高效的下一个兴趣点推荐。
-
公开(公告)号：CN115422171A
公开(公告)日：2022-12-02
申请号：CN202210827371.1
申请日：2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06F16/2458 , G06F16/28 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种知识图谱视角下基于图卷积网络的课程知识点推荐方法，包括如下步骤：数据预处理；知识图谱嵌入；信息传播：协作传播是将用户与项目交互中潜在的协作信息编码为用户和项目的表示形式，知识图谱传播则是沿着知识图谱中的高阶链接传播知识关联，通过递归地方式补充边的信息；注意力嵌入：沿着知识图谱中高阶链接递归传播嵌入信息，利用图注意力网络在传播过程中生成注意力权重，基于不同的聚合方式将经过多条传播后的表示聚合为用户和项目的综合表征向量；预测，根据预测完成推荐。本发明通过知识图谱与推荐系统结合的方式，将课程知识点与其他知识图谱属性联系起来，有效地解决了推荐系统稀疏性和冷启动问题。
-
公开(公告)号：CN115422331A
公开(公告)日：2022-12-02
申请号：CN202210827359.0
申请日：2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/332 , G06F40/35
Abstract: 本发明公开了一种基于全局Item长短期转换信息权重图的会话推荐方法，包括如下步骤：将会话数据集中的会话所点击的Item按时间顺序处理成会话对应的Item序列形式；根据会话序列建模局部长短期Item转换信息权重图L‑Graph；由局部长短期Item转换信息权重图L‑Graph叠加构造全局长短期Item转换信息图权重图G‑Graph，并得到相应的全局权重图矩阵M；由全局权重图M对会话进行下一个Item推荐。本发明方法能够全面考虑每一个会话中Item的长短期转换信息进行下一个Item点击预测，既单独考虑了单一会话里Item转换信息又将全局Item转换信息结合起来，能够为稀疏交互矩阵提供更多的信息，对于稀疏交互能很好地利用全局权重图信息来进行Item推荐。
-
Patent Agency Ranking
公开(公告)号：CN117708433A
公开(公告)日：2024-03-15
申请号：CN202410005952.6
申请日：2024-01-03
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q30/0601 , G06F18/25 , G06F18/24 , G06F18/214 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层感知机与自注意力机制的序列推荐方法及系统，该方法包括：在多层感知机结构的基础上，在输入端融合多头自注意力模块，得到MASARec框架；数据处理及预训练，将用户历史数据组织成用户行为序列，使用用户行为序列优化模块对样本用户数据进行预训练；利用预训练后得到的最优参数对MASARec框架进行训练，得到训练完成的MASARec框架；利用训练完成的MASARec框架进行推进结果预测，得到推荐结果。通过使用本发明，能够自适应缩短用户行为序列并充分发掘序列之间的依赖关系来缓解数据过载以及数据的噪音干扰；同时使用结构简单的多层感知机和强大的多头自注意力机制来提高模型的训练效率和推荐的准确性。本发明可广泛应用于推荐系统领域。
-
公开(公告)号：CN114610862A
公开(公告)日：2022-06-10
申请号：CN202210080273.6
申请日：2022-01-24
Applicant: 桂林电子科技大学
IPC: G06F16/335 , G06N3/04
Abstract: 本发明涉及会话推荐技术领域，具体地说，涉及一种增强图上下文顺序的会话推荐方法，其包括以下步骤：(1)将序列数据转换为图数据；(2)图数据通过图神经网络学习全局和会话两个层次的嵌入；(3)将两个层次的嵌入结合并加入位置信息；(4)通过自注意力捕获项目间的顺序信息；(5)用软注意力结合项目间的复杂转化和项目间的顺序信息，生成序列表征后预测用户下一个感兴趣的项目的概率。本发明能较佳地进行会话推荐。
-
公开(公告)号：CN116719990A
公开(公告)日：2023-09-08
申请号：CN202310545251.7
申请日：2023-05-15
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/28 , G06N5/02 , G06Q50/20
Abstract: 本发明涉及群组推荐技术领域，具体地说，涉及一种融合学生行为信息的个性化群组推荐方法，其包括以下步骤：1)数据预处理；2)学生多行为建模；3)学生偏好与项目结构获取；4)群组共识建模；5)模型预测与优化。本发明利用学生的行为信息，并设计小组共识策略，为小组合作学习提供有效的学习资源。
-
公开(公告)号：CN115422170A
公开(公告)日：2022-12-02
申请号：CN202210827339.3
申请日：2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06F16/2458 , G06F16/28 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了基于图嵌入在异构信息网络视角下为课题推荐学生的方法，包括如下步骤：数据预处理；构建异构信息网络图；在异构信息网络图下，通过随机游走算法，获取不同节点的信息序列；为序列中的节点进行位置信息建模，并通过多头自注意力层帮助模型理解当前节点在该序列中的含义，将多头自注意力层的结果进行残差连接和前馈网络操作，输出课题节点吸收序列中信息后的向量权重；构建课题‑学生之间的正负样本，通过损失计算，对模型进行反馈训练，得到最优模型；本发明引入位置向量编码与随机游走的结合，加入多头自注意力机制，使得序列间的节点信息关联传递不受距离影响，且使得模型的计算复杂度更优，能实现精确、快速的为新课题推荐学生。
-
公开(公告)号：CN115270173A
公开(公告)日：2022-11-01
申请号：CN202210653636.0
申请日：2022-06-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及数据共享技术领域，涉及一种基于双区块链保护下教育数据共享方法，包括：1、用户DG‑ID‑A通过TDSC合约修改SHATE；2、用户DG‑ID‑B使用私钥SKB对待分享课程的课程标识和身份标识进行签名操作，并发送到智能合约；TDSC合约收到请求后，先调用DIRCC合约对身份进行权限检查，并且权限结果返回TDSC合约，将DG‑ID‑B的权限等级与SHATE进行匹配；3、DG‑ID‑A收到请求后，使用私钥将AES密钥进行加密发送，DG‑ID‑B对数据进行解密，得到AES密钥；4、DG‑ID‑B通过AES密钥对数据进行解密，得到原始数据。本发明能较佳地保护了教育数据共享过程的安全性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
