公开(公告)号：CN110119479B

公开(公告)日：2023-05-02

申请号：CN201910409277.2

申请日：2019-05-16

Applicant: 苏州大学

Inventor： 赵朋朋 ,  陈晓杰 ,  周晓方 ,  崔志明

IPC: G06F16/9535 ,  G06F16/958 ,  G06Q10/06 ,  G06Q10/04 ,  G06Q30/02 ,  G06Q50/12 ,  G06N3/04

Abstract: 本发明公开了一种餐馆推荐方法，该方法包括：获取用户对餐馆的历史评分数据，并利用历史评分数据构建用户餐馆评分矩阵；获取各个待选餐馆的美食图片，利用评分预测模型提取美食图片的视觉特征；其中，视觉特征包括CNN特征和美学特征；利用评分预测模型将用户餐馆评分矩阵中未评分餐馆对应的视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；利用用户餐馆预测评分矩阵向用户推荐感兴趣餐馆。本方法通过结合美食图像的美学特征中隐含的用户偏好和餐馆内容，可向用户推荐满足用户偏好的餐馆，使得餐馆推荐准确率更佳，可提升用户体验。本发明还公开了一种餐馆推荐装置、设备及可读存储介质，具有相应的技术效果。

公开(公告)号：CN108959429B

公开(公告)日：2022-09-09

申请号：CN201810595626.X

申请日：2018-06-11

Applicant: 苏州大学

Inventor： 赵朋朋 ,  陈晓杰 ,  周晓方 ,  许佳捷

IPC: G06F17/30

Abstract: 本申请公开了一种融合视觉特征端对端训练的电影推荐的方法，包括：接收输入的用户评分矩阵，并初始化用户特征矩阵及电影特征矩阵，然后结合视觉特征矩阵建立初始模型；利用初始模型进行端对端训练得到用户评分预测矩阵，根据该用户评分预测矩阵为各用户推荐电影。本申请将海报和关键帧等视觉特征的学习和推荐模型融合到一个统一的框架并进行端对端的训练，学习到的视觉特征不仅仅具有较高的表达能力和可分类能力，得到的用户评分预测矩阵能够充分反映用户对视觉特征的偏好，为用户推荐的电影也能够更加符合用户喜好。本申请同时还提供了一种融合视觉特征端对端训练的电影推荐的系统、服务器及计算机可读存储介质，具有上述有益效果。

公开(公告)号：CN110119479A

公开(公告)日：2019-08-13

申请号：CN201910409277.2

申请日：2019-05-16

Applicant: 苏州大学

Inventor： 赵朋朋 ,  陈晓杰 ,  周晓方 ,  崔志明

IPC: G06F16/9535 ,  G06F16/958 ,  G06Q10/06 ,  G06Q10/04 ,  G06Q30/02 ,  G06Q50/12 ,  G06N3/04

Abstract: 本发明公开了一种餐馆推荐方法，该方法包括：获取用户对餐馆的历史评分数据，并利用历史评分数据构建用户餐馆评分矩阵；获取各个待选餐馆的美食图片，利用评分预测模型提取美食图片的视觉特征；其中，视觉特征包括CNN特征和美学特征；利用评分预测模型将用户餐馆评分矩阵中未评分餐馆对应的视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；利用用户餐馆预测评分矩阵向用户推荐感兴趣餐馆。本方法通过结合美食图像的美学特征中隐含的用户偏好和餐馆内容，可向用户推荐满足用户偏好的餐馆，使得餐馆推荐准确率更佳，可提升用户体验。本发明还公开了一种餐馆推荐装置、设备及可读存储介质，具有相应的技术效果。

公开(公告)号：CN108959429A

公开(公告)日：2018-12-07

申请号：CN201810595626.X

申请日：2018-06-11

Applicant: 苏州大学

Inventor： 赵朋朋 ,  陈晓杰 ,  周晓方 ,  许佳捷

IPC: G06F17/30

Abstract: 本申请公开了一种融合视觉特征端对端训练的电影推荐的方法，包括：接收输入的用户评分矩阵，并初始化用户特征矩阵及电影特征矩阵，然后结合视觉特征矩阵建立初始模型；利用初始模型进行端对端训练得到用户评分预测矩阵，根据该用户评分预测矩阵为各用户推荐电影。本申请将海报和关键帧等视觉特征的学习和推荐模型融合到一个统一的框架并进行端对端的训练，学习到的视觉特征不仅仅具有较高的表达能力和可分类能力，得到的用户评分预测矩阵能够充分反映用户对视觉特征的偏好，为用户推荐的电影也能够更加符合用户喜好。本申请同时还提供了一种融合视觉特征端对端训练的电影推荐的系统、服务器及计算机可读存储介质，具有上述有益效果。