公开(公告)号：CN110191363A

公开(公告)日：2019-08-30

申请号：CN201910471328.4

申请日：2019-05-31

Applicant: 电子科技大学

Inventor： 江春华 ,  戴鑫铉 ,  曾敬鸿 ,  杨茂林 ,  桑楠 ,  李恒 ,  李赵宁 ,  陈丹

IPC: H04N21/25 ,  H04N21/466

Abstract: 本发明公开了一种面向家庭组用户的推荐模型，包括步骤S4：在动态时序推荐算法TimeSVD++的基础上，建立一天内时段变化的周期模型，用户u在时间段t内对物品进行评分，设立衰减因子为将家庭组用户中最活跃的成员与其对应的观影时段间的关系纳入用户偏置以及用户隐性因子的设置，对不在活跃时段的评分数据按照时段相似度进行偏差处理。本发明的模型已不再是简单的线性变化模型，而是随一天内时段变化的周期模型。解决了现有技术中设置的衰减因子削弱了时间差距过大时评分记录对预计评分的影响的问题。

公开(公告)号：CN111368203A

公开(公告)日：2020-07-03

申请号：CN202010157620.1

申请日：2020-03-09

Applicant: 电子科技大学

Inventor： 李赵宁 ,  钱伟中 ,  杨茂林

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于图神经网络的新闻推荐方法及其系统，首先通过用户行为生成层用户行为序列生成用户-新闻交互行为结构图，通过行为矩阵生成层生成用户-新闻行为交互矩阵，再由节点向量化模型层处理用户-新闻交互行为结构图生成全局目标新闻特征向量、由概率矩阵分解层处理用户-新闻行为交互矩阵得到局部目标新闻特征向量、用户特征向量；然后由融合层将全局目标新闻特征向量、局部目标新闻特征向量线性叠加为目标新闻特征向量，再对目标新闻特征向量、用户特征向量做内积得到用户对新闻的预测评分；将所有新闻的预测评分进行排序，选取顺序排在前K个的进行推荐。本发明满足了推荐新闻的时效性且有效结合用户的行为偏好及内容偏好。

公开(公告)号：CN110191363B

公开(公告)日：2020-05-01

申请号：CN201910471328.4

申请日：2019-05-31

Applicant: 电子科技大学

Inventor： 江春华 ,  戴鑫铉 ,  曾敬鸿 ,  杨茂林 ,  桑楠 ,  李恒 ,  李赵宁 ,  陈丹

IPC: H04N21/25 ,  H04N21/466

Abstract: 本发明公开了一种面向家庭组用户的推荐模型，包括步骤S4：在动态时序推荐算法TimeSVD++的基础上，建立一天内时段变化的周期模型，用户u在时间段t内对物品进行评分，设立衰减因子为将家庭组用户中最活跃的成员与其对应的观影时段间的关系纳入用户偏置以及用户隐性因子的设置，对不在活跃时段的评分数据按照时段相似度进行偏差处理。本发明的模型已不再是简单的线性变化模型，而是随一天内时段变化的周期模型。解决了现有技术中设置的衰减因子削弱了时间差距过大时评分记录对预计评分的影响的问题。