公开(公告)号：CN118779524A

公开(公告)日：2024-10-15

申请号：CN202410931726.0

申请日：2024-07-12

Applicant: 重庆邮电大学

Inventor： 杜茂康 ,  赵嘉怡 ,  邓江洲 ,  王永 ,  伍奇 ,  赵越 ,  郭翎子 ,  蔡雨晴

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F18/15 ,  G06N20/00

Abstract: 本发明提出的基于跨模型去噪的推荐模型，包括从数据库中获取和清理数据信息，以获得原始交互矩阵。同时基于原始交互矩阵，为每一组正样本随机抽样出负样本。利用NCF模型作为预测主模型，并利用MF模型作为辅助模型。借助KL散度，衡量NCF模型与MF模型的预测结果分布的一致性，剔除正负样本中KL散度值较高的噪声样本，提高推荐的准确性。并且将负样本内剔除的以及可靠的样本填充回正样本内，充分考虑填充样本的可靠性，以保证推荐的多样性与可靠性。此外，在NCF模型框架下，融合GMF模型和MLP模型。学习用户历史行为中的偏好，获取预测值并排序以生成推荐项目列表，提高模型的推荐质量。

公开(公告)号：CN115221399A

公开(公告)日：2022-10-21

申请号：CN202210427191.4

申请日：2022-09-08

Applicant: 重庆邮电大学

Inventor： 杜茂康 ,  彭俊杰 ,  胡勇进

IPC: G06F16/9535 ,  G06F21/62

Abstract: 本发明涉及一种基于差分隐私的逻辑回归矩阵分解推荐算法，属于隐私安全技术领域。该方法为：S1：将用户评分数据转换为0/1状态的隐式数据；S2：对评分矩阵进行负反馈采样；S3：将0/1状态的隐式数据转换为二分类问题，以概率方式建模；S4：构建逻辑回归模型拟合用户偏好；S5：利用sigmoid函数对对预测评分进行非线性变换；S6：采用目标扰动方式对隐式反馈数据进行隐私保护并完成推荐。本发明在实现用户隐私保护的同时还能有效的保证推荐结果的准确性，实现了隐私安全性和推荐准确性的良好平衡。

公开(公告)号：CN119357475A

公开(公告)日：2025-01-24

申请号：CN202411581994.0

申请日：2024-11-07

Applicant: 重庆邮电大学

Inventor： 杜茂康 ,  赵嘉怡 ,  邓江洲 ,  赵越 ,  伍奇 ,  王霞 ,  王河洺

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F18/10 ,  G06F18/214 ,  G06F18/22 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明提出的基于对比学习的自适应去噪与交互增强的推荐模型，将自适应去噪与基于结构相似性的交互填充相结合。在模型训练过程中，通过动态修剪被识别为噪声的交互来减少对推荐系统的干扰。为了保持正样本和负样本之间的平衡，模型根据用户和项目嵌入之间的结构相似性选择高可靠交互并进行填充，从而丰富训练数据集。此外，本发明引入了一种基于互信息最大化的对比学习策略，优化已修剪和填充交互之间的用户偏好，提升模型在潜在向量空间中捕获关键特征的能力。在不依赖额外辅助信息的情况下，有效学习用户历史行为中的偏好，生成推荐项目列表。本发明有效增强了模型的信息利用率和泛化能力，提高了模型的推荐质量。

公开(公告)号：CN116881552A

公开(公告)日：2023-10-13

申请号：CN202310786127.X

申请日：2023-06-29

Applicant: 重庆邮电大学

Inventor： 杜茂康 ,  伍奇 ,  邓江洲 ,  胡良涛 ,  赵嘉怡 ,  陆聪 ,  王永

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/9538 ,  G06F18/24 ,  G06N3/048 ,  G06N3/08 ,  G06Q30/0601 ,  G06F18/23213

Abstract: 本发明主要提出融合可靠性的联合神经协同过滤推荐系统，属于推荐技术领域。包括数据采集和预处理，转化为用户‑项目评分矩阵R；借助直觉模糊集概念来检测自然噪声并生成可靠性矩阵；设计双线性交互层提升获取特征向量低阶交互质量；通过统一的深度神经网络将评分训练和可靠性训练紧密耦合，从而双向增强评分预测和可靠性预测；根据预测分数对预测集合排序，取前top‑N个作为推荐列表；根据实验得出的最佳可靠性阈值过滤不可靠的预测评级，确保最终推荐列表的可信度，有效提升模型推荐性能。

公开(公告)号：CN115564123A

公开(公告)日：2023-01-03

申请号：CN202211267198.0

申请日：2022-10-17

Applicant: 重庆邮电大学

Inventor： 杜茂康 ,  张雪 ,  肖玲

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  H02J3/00

Abstract: 针对新能源并网后的供电体系存在较高的间歇性和波动性，传统的点预测无法提供负荷数据中的不确定信息。为此，本发明提出一种基于多目标和贝叶斯优化(Multiple Objective and Bayesian Optimization，MOBO)的短期电力负荷区间预测方法，属于电力负荷预测领域。该方法首先建立基于深度学习的分位数回归模型，客观地验证了各神经网络对负荷中关于非线性和时序性信息的处理能力；其次，通过有效性检验，分析单项模型和混合模型的预测效果，并选取具有可靠预测区间的模型；最后，对选取的模型引入多目标和贝叶斯优化理论，来构建基于MOBO的深度学习区间预测模型。实验结果表明：所提的模型能更加准确地描述电力负荷的波动范围。