公开(公告)号：CN118690157A

公开(公告)日：2024-09-24

申请号：CN202410815653.9

申请日：2024-06-24

Applicant: 桂林电子科技大学

Inventor： 胡丽娟 ,  郑卓远

IPC: G06F18/2113 ,  G06F18/10 ,  G06N7/01

Abstract: 本发明公开了一种基于邻域互信息的因果特征选择方法，首先利用邻域互信息学习每个特征变量的因果结构，然后通过特征变量之间的互信息发现目标变量的配偶变量，从而揭示目标变量与类变量的因果机制。具体来说，第一阶段使用规范化的邻域互信息发现特征之间的关联程度，获得目标变量的父子变量(PC)集合，并标记相关性最强的特征。然后第二阶段利用条件互信息寻找每个目标变量的配偶变量(SP)集合。最后是第三阶段，识别第一阶段的强相关特征，检查是否有忽略的特征并将它们找回，输出PC和SP的交集，即目标变量的马尔可夫毯(MB)的结果。

公开(公告)号：CN118708818A

公开(公告)日：2024-09-27

申请号：CN202410940744.5

申请日：2024-07-12

Applicant: 桂林电子科技大学

Inventor： 胡丽娟 ,  耿琪昌 ,  郑卓远

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  G06Q10/0639

Abstract: 本发明公开了一种基于因果去偏的群组推荐方法：首先，通过建立因果图和结构因果模型(SCM)，深入分析群组推荐中的因果关系，针对推荐系统中存在的偏差问题使用因果机制的去偏模块，减少混淆因子造成的因果效应。其次，将群组项目对和群组用户对分别通过超图卷积和自注意力机制得到不同的群组偏好表示，然后通过注意力机制动态调整权重。最后通过贝叶斯个性化排名损失(BPR)优化得到最终的推荐列表，该发明在群组推荐的公平和质量上都得到了提升。