-
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。
-
Patent Agency Ranking
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：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：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：CN109376321A
公开(公告)日：2019-02-22
申请号：CN201811312716.X
申请日：2018-11-06
Applicant: 浙江盘石信息技术股份有限公司
IPC: G06F16/957 , G06F16/958 , G06F21/44 , H04L29/06
Abstract: 本发明主要公开了一种悬浮于网站的安全动态展示方法，其技术方案：S1、首先进行网络认证，企业或平台通过向互联网信用认证平台提交材料，互联网信用认证对这些信息进行真实性验证，并且对网络信息安全、网民隐私信息保护和网上交易安全性进行评估；S2、形成订单；S3、加入网站监测，通过网站认证的企业或平台，互联网信用认证平台，通过网站监测系统对其进行网站监测；S4、终端应用展示标记采用四种展示形态，分别为一级展示形态、二级展示形态、三级展示形态以及四级展示形态。通过展示形态区别开来，更具有直观性和目的性，能够提高用户体验，悬浮于网站内页固定位置的方式存在于被监测网站，简洁明了，确保可读性的同时。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
