-
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：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：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：CN114547276A
公开(公告)日：2022-05-27
申请号：CN202210082137.0
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，涉及一种基于三通道图神经网络的会话推荐方法，其包括以下步骤：(1)将会话序列数据转换为会话图、超图、全局图数据；(2)图数据经过三个通道的图神经网络学习到三种项目嵌入；三个通道包括会话图通道、超图通道、全局图通道；会话图通道用于捕获会话中项目间的转换关系，超图通道用于捕获会话中项目间的高阶关系，全局图通道用于捕获不同会话中项目间的关系；(3)融合三种通道形成的项目表征获得更完整项目转换信息；(4)经过预测层输出项目的预测概率。本发明能较佳地进行会话推荐。
-
Patent Agency Ranking
公开(公告)号：CN116542444A
公开(公告)日：2023-08-04
申请号：CN202310360185.6
申请日：2023-04-06
Applicant: 桂林电子科技大学
IPC: G06Q10/0631 , G06Q50/20
Abstract: 本发明提供了一种服务在线教育的多视角群组推荐方法，包括如下步骤：S1.确定学生的结组关系；S2.根据学生的结组关系，构建共生关系的同质图网络，得到考虑学生用户的嵌入表征；S3.在单一视角下，确定组嵌入表征；S4.重复S3获取多个视角下的组嵌入表征，得到用于预测的小组嵌入表征向量，进行评分预测，得到推荐目标；S5.记录学生用户与学习小组后续的交互课程，将后续数据导入数据集，通过更新后的数据集对模型中可学习参数进行调整。本发明使用多个注意力机制表示不同视角下用户在小组中起到的作用，随后挖掘不同视角与项目的关系并将其合理融合为最终组表征，提高了推荐的准确率。
-
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。
-
公开(公告)号：CN117807281A
公开(公告)日：2024-04-02
申请号：CN202410008395.3
申请日：2024-01-04
Applicant: 桂林电子科技大学
IPC: G06F16/9032 , G06F16/901 , G06F16/906 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/045 , G06N3/048
Abstract: 本发明涉及会话推荐技术领域，涉及一种基于多行为异构图和超图增强获取用户短期、动态偏好的推荐方法，包括以下步骤：一、获取用户与系统会话行为信息，组成会话数据；二、将会话数据构造为会话序列：序列内的数据为用户与系统的每一条交互信息，包括浏览、收藏、点赞等；三、将会话序列推送给模型进行训练：将会话序列构建为多行为异构网络图和超图；提出注意力机制捕获不同节点间的权重，形成不同的相邻项目对目标项目的编码增强；四、通过提供一种灵活而自然的超图工具对项目之间隐含关系进行建模，捕获项目间的高阶关系；五、最终通过自监督学习，得到结合多行为和节点信息的损失函数目标；本发明能实现捕获用户短期、动态的偏好，从而进行精准推荐。
-
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 0.027 seconds)
