-
公开(公告)号：CN107423335A
公开(公告)日：2017-12-01
申请号：CN201710285697.5
申请日：2017-04-27
Applicant: 电子科技大学
Abstract: 本发明提供一种针对单类协同过滤问题的负样本选择方法，目的是为基于机器学习模型的推荐算法中，针对没有明确负样本的隐式反馈场景，帮助选择每个用户的负样本。具体步骤如下：(1)基于物品流行度计算物品被选择为负样本的权重；(2)基于用户的社交关系计算物品被选择为负样本的权重；(3)基于用户对物品特征的偏好计算物品被选择为负样本的权重；(4)融合物品的流行度权重、社交关系权重、物品特征权重，计算物品被选择为目标用户的负样本的概率；(5)根据该用户的正样本数，按照一定比例选择负样本概率最高的若干物品作为目标用户的负样本。
-
公开(公告)号：CN105741133A
公开(公告)日：2016-07-06
申请号：CN201610051352.9
申请日：2016-01-26
Applicant: 电子科技大学
IPC: G06Q30/02
CPC classification number: G06Q30/0244 , G06Q30/0272
Abstract: 本发明提供一种针对在线广告投放的步进管理方法，目的是对实时竞价系统中在线广告的投放速度进行控制，以使预算受限的情况下，广告展示能够获得最大化收益。方法包括：(1)根据历史日志，离线估计每个广告在新的广告投放周期中每个时间段的用户流量、投标成功率、平均赢标价格、关键性能指标等参数；(2)离线估计每个广告在新的投放周期中每个时间段的投放概率；(3)在实际投放过程中，根据已经完成的时间段每个广告的实际预算花费情况，在线调整当前时间段每个广告的投放概率；(4)根据当前时间段的广告投放概率，针对每次广告展示机会，由需求方平台判断是否参与竞价。
-
Patent Agency Ranking
公开(公告)号：CN104506958A
公开(公告)日：2015-04-08
申请号：CN201510006008.3
申请日：2015-01-07
Applicant: 电子科技大学
IPC: H04N21/61 , H04N21/647 , H04N21/258
Abstract: P2P直播应用会产生大量跨自治域的网络流量，本发明公开一种P2P直播系统的重叠网络构建方法，针对域间流量进行优化，同时保证直播视频的播放质量。方法包括：第一，根据自治域之间的物理链路延迟及每个自治域需要建立的输入域间连接数，确定重叠网络中各自治域之间的互连关系；第二，根据每个自治域需要建立的域间连接数目和域内的用户数目，确定每个自治域数据传输的骨干节点和核心节点；第三，在各自治域的核心节点之间建立实际的单向域间连接，用于不同自治域之间的数据单向传输；第四，在各自治域内部建立核心节点、骨干节点、普通节点之间的双向域内连接，用于自治域内部的数据双向传输。
-
公开(公告)号：CN104506958B
公开(公告)日：2018-01-12
申请号：CN201510006008.3
申请日：2015-01-07
Applicant: 电子科技大学
IPC: H04N21/61 , H04N21/647 , H04N21/258
Abstract: P2P直播应用会产生大量跨自治域的网络流量，本发明公开一种P2P直播系统的重叠网络构建方法，针对域间流量进行优化，同时保证直播视频的播放质量。方法包括：第一，根据自治域之间的物理链路延迟及每个自治域需要建立的输入域间连接数，确定重叠网络中各自治域之间的互连关系；第二，根据每个自治域需要建立的域间连接数目和域内的用户数目，确定每个自治域数据传输的骨干节点和核心节点；第三，在各自治域的核心节点之间建立实际的单向域间连接，用于不同自治域之间的数据单向传输；第四，在各自治域内部建立核心节点、骨干节点、普通节点之间的双向域内连接，用于自治域内部的数据双向传输。
-
公开(公告)号：CN105718573A
公开(公告)日：2016-06-29
申请号：CN201610040066.2
申请日：2016-01-20
Applicant: 电子科技大学
Abstract: 本发明提供一种针对用户兴趣的关注关系提取及标注方法，目的是为存在关注功能的网络平台提取出能够反映用户共同兴趣的关注关系，并对该条关注关系所代表的兴趣特征进行关键词标注。方法包括：首先建立全网络平台的关注关系图；其次计算任意关注者和被关注者之间的相关性系数；然后依据相关性系数提取出能够反映用户共同兴趣的关注关系；最后对提取的关注关系进行关键词标注。
-
公开(公告)号：CN107423335B
公开(公告)日：2020-06-05
申请号：CN201710285697.5
申请日：2017-04-27
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/02
Abstract: 本发明提供一种针对单类协同过滤问题的负样本选择方法，目的是为基于机器学习模型的推荐算法中，针对没有明确负样本的隐式反馈场景，帮助选择每个用户的负样本。具体步骤如下：(1)基于物品流行度计算物品被选择为负样本的权重；(2)基于用户的社交关系计算物品被选择为负样本的权重；(3)基于用户对物品特征的偏好计算物品被选择为负样本的权重；(4)融合物品的流行度权重、社交关系权重、物品特征权重，计算物品被选择为目标用户的负样本的概率；(5)根据该用户的正样本数，按照一定比例选择负样本概率最高的若干物品作为目标用户的负样本。
-
公开(公告)号：CN105718573B
公开(公告)日：2018-12-25
申请号：CN201610040066.2
申请日：2016-01-20
Applicant: 电子科技大学
Abstract: 本发明提供一种针对用户兴趣的关注关系提取及标注方法，目的是为存在关注功能的网络平台提取出能够反映用户共同兴趣的关注关系，并对该条关注关系所代表的兴趣特征进行关键词标注。方法包括：首先建立全网络平台的关注关系图；其次计算任意关注者和被关注者之间的相关性系数；然后依据相关性系数提取出能够反映用户共同兴趣的关注关系；最后对提取的关注关系进行关键词标注。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
