-
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。
-
公开(公告)号：CN116910351A
公开(公告)日：2023-10-20
申请号：CN202310627922.4
申请日：2023-05-30
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N3/0475 , G06N3/094
Abstract: 本发明提出的基于生成对抗网络的评分可信推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据基于用户偏好一致性的噪声识别规则，将不同偏好程度的用户和项目分类后，并识别原始评分矩阵中的噪声；根据设计的评分可靠性矩阵生成模块生成初始评分可靠性矩阵；根据设计的正样本填充规则，填充评分可靠性矩阵中非交互区域，以平衡数据；利用生成对抗网络去训练所获取的评分矩阵以及可靠性矩阵，以预测出各空白区域的评分值以及可靠性概率；通过与系统设定的可靠性阈值进行比较，将可靠性概率低于阈值的预测评级进行过滤，保留较高可靠性概率的评级；对过滤后的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。
-
公开(公告)号：CN119128249A
公开(公告)日：2024-12-13
申请号：CN202410931722.2
申请日：2024-07-12
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/0464 , G06N3/0455 , G06F18/15 , G06N7/02
Abstract: 本发明提出的一种考虑多维度用户偏好的神经协同过滤推荐模型，包括从数据库中获取和清理数据信息，获得原始用户项目评分矩阵；基于Picture模糊集理论和设计的填充策略，将用户项目评分矩阵划分为隶属度P、非隶属度N、犹豫度H和拒绝度R四个矩阵，以此对应用户喜欢、不喜欢、犹豫和拒绝四种兴趣偏好状态；利用去噪自编码器模型对四个偏好矩阵进行拟合，学习用户在四种维度上的兴趣偏好，构建用户兴趣偏好模型；对上一步骤获取的用户对项目的Picture模糊数(四种维度上的兴趣偏好)进行归一化处理，并通过记分函数来获得用户对项目的兴趣偏好值；利用融合注意力机制的残差神经网络学习用户行为偏好，以用户对物品的历史评分信息作为输入，生成用户行为偏好值；通过加权的方式融合用户兴趣偏好和用户行为偏好，形成多维度用户偏好预测值并排序以生成推荐物品列表。
-
公开(公告)号：CN115858944A
公开(公告)日：2023-03-28
申请号：CN202211568216.9
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06N3/04 , G06N3/084
Abstract: 本发明提出一种融合注意力机制的残差神经协同过滤推荐系统，属于推荐技术领域。包括有服务器，用于设置数据采集及准备模块、偏好信息提取模块、模型训练模块、模型预测和推荐模块。同时，服务器连接连接数据库，为上述模块提供数据信息；智能终端，即用户所使用的手机或者电脑，能够保留用户在终端上浏览、点击或购买物品的行为数据信息并将其传入上述数据库中进行保存；数据库，连接智能终端，用于保存用户在智能终端上留下的行为数据信息；数据采集及准备模块提取上述数据库提供的用户行为数据，并对其进行清洗和标准化；偏好信息提取模块从提供的用户行为数据中，提取用户对物品的偏好信息，以此建模；模型训练模块进行求解，获得模型的最优参数，最后通过推荐模块为每个用户提供个性化物品推荐，以提高用户的满意程度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
