-
公开(公告)号：CN116861081A
公开(公告)日：2023-10-10
申请号：CN202310786117.6
申请日：2023-06-29
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/048 , G06N3/08 , G06F16/9538 , G06Q30/0601
Abstract: 本发明涉及一种融合项目不确定度的多属性神经协同推荐系统，属于推荐技术领域。包括：从数据库中获取和处理数据信息，以获得初始化评分矩阵；基于信息熵理论，根据不同用户对同一项目的评分分布情况来获取不确定度矩阵；从数据库中获得用户ID和未评分项目ID，将其作为神经网络的输入，得到用户对项目的多属性预测评分；将不确定度引入神经网络框架，作为权重因子去修正多属性预测评分；将修正后的多属性预测评分作为神经网络的输入，进行结果预测，以得到用户对项目的综合评分；根据预测评分进行对项目进行降序排序；设定待推荐项目数量，将符合推荐条件的项目推送给目标用户，形成个性化推荐列表。
-
公开(公告)号：CN119941071A
公开(公告)日：2025-05-06
申请号：CN202411860332.7
申请日：2024-12-17
Applicant: 重庆邮电大学
IPC: G06Q10/083 , G06Q10/047 , G06F30/20 , G06F18/23213 , G06F111/06 , G06F111/08 , G06F119/08 , G06F111/04
Abstract: 本发明提出的一种基于无接触配送下的卡车‑无人机协同配送模型及两阶段算法，包括针对无接触配送问题，充分考虑顾客的预期送达时间，构建了以卡车停靠点、卡车路径、无人机路径、顾客服务时间窗等因素为变量，以卡车运行成本、无人机运行成本和时间窗惩罚成本之和，构建目标最小化的卡车‑无人机协同配送混合整数规划模型。根据模型的特点，设计了两阶段算法，该算法第一阶段采用改进的K‑Means聚类方法，考虑无人机最大飞行距离以及客户点位置坐标对区域内客户进行聚类，满足区域内客户无人机可以抵达完成服务，聚类中心即卡车停靠点，同时为无人机发射点；第二阶段采用变邻域模拟退火算法，构建解的领域结构，优化卡车‑无人机协同配送路径，实现配送成本最小化。
-
公开(公告)号：CN119066262A
公开(公告)日：2024-12-03
申请号：CN202410931735.X
申请日：2024-07-12
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/0475 , G06N3/094 , G06N3/045
Abstract: 本发明提出了基于条件生成对抗网络的负采样推荐模型。首先，通过数据清理获取用户项目评级矩阵R，并将其划分为隐式矩阵：高评分矩阵P，及低评分和无评分的矩阵U。使用间谍技术将P矩阵中部分数据作为间谍样本加入U矩阵，提高判别器的区分能力。随后，生成器通过排序获取可靠的负样本，经过条件生成对抗网络训练获取负样本概率，并选择高概率负样本输入协同过滤生成对抗网络，同时选取相同数量的其他负样本训练缓解平凡解问题。负样本处理策略要求其余负样本的预测值趋近于非零小数，策略负采样的预测值接近于0。最终，推荐结果模块对预测评级进行排序，推送前k个项目给目标用户，生成个性化推荐列表。
-
公开(公告)号：CN117150135A
公开(公告)日：2023-12-01
申请号：CN202311126047.8
申请日：2023-09-01
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q10/0639
Abstract: 本发明提出的基于物品交互约束的自编码器推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据偏好特征模块从已有的评分信息中获取用户的偏好特征；根据物品特征获取模块从标签中获取物品特征；根据融合偏好特征模块，将两个特征融合到一起，用于后续对用户评分的预测；再根据融合特征处理模块对融合偏好特征进行处理，并输出预测评分；同时根据参数更新约束模块，对模型训练过程中的参数更新进行约束，以避免训练过程中产生的误差；根据推荐结果获取模块，对预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。
-
-
-
Search Results
4
records
(took 0.018 seconds)
