公开(公告)号：CN116933055B

公开(公告)日：2024-04-16

申请号：CN202310905923.0

申请日：2023-07-21

Applicant: 重庆邮电大学

Inventor： 毛博 ,  王进 ,  钟时

IPC: G06F18/213 ,  G06F18/27 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/08 ,  G06F18/214 ,  G06F16/9535 ,  G06Q30/0251 ,  G06Q30/0241

Abstract: 本发明涉及人工智能领域，具体涉及一种基于大数据的短视频用户点击预测方法，包括获取用户的行为序列，对行为数据进行预处理，预处理包括降噪和缺失值补全；构建基于LSTM模型的特征提取模型，将预处理后的数据输入该模型提取用户行为表示；构建基于MLP网络架构的非线性交互模型，利用非线性交互模型基于用户行为表示得到用户特征表示；将用户特征表示输入逻辑回归预测模型，得到用户点击预测结果；本发明增强模型对用户点击行为的预测能力，能够更好地捕捉用户行为序列中的特征关联和非线性模式。

公开(公告)号：CN116933055A

公开(公告)日：2023-10-24

申请号：CN202310905923.0

申请日：2023-07-21

Applicant: 重庆邮电大学

Inventor： 毛博 ,  王进 ,  钟时

IPC: G06F18/213 ,  G06F18/27 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/08 ,  G06F18/214 ,  G06F16/9535 ,  G06Q30/0251 ,  G06Q30/0241

Abstract: 本发明涉及人工智能领域，具体涉及一种基于大数据的短视频用户点击预测方法，包括获取用户的行为序列，对行为数据进行预处理，预处理包括降噪和缺失值补全；构建基于LSTM模型的特征提取模型，将预处理后的数据输入该模型提取用户行为表示；构建基于MLP网络架构的非线性交互模型，利用非线性交互模型基于用户行为表示得到用户特征表示；将用户特征表示输入逻辑回归预测模型，得到用户点击预测结果；本发明增强模型对用户点击行为的预测能力，能够更好地捕捉用户行为序列中的特征关联和非线性模式。

公开(公告)号：CN116993433A

公开(公告)日：2023-11-03

申请号：CN202310865112.2

申请日：2023-07-14

Applicant: 重庆邮电大学

Inventor： 王进 ,  陆志 ,  毛博

IPC: G06Q30/0601 ,  G06F18/241 ,  G06F18/214

Abstract: 本发明属于深度学习领域，具体涉及一种基于大数据的互联网电商异常用户检测方法，包括：使用邻接矩阵表示节点之间的关系，并基于不同关系类型构建相应的边；通过自适应学习，为每个节点学习嵌入向量，将不同类型的节点嵌入到不同的向量空间中；引入注意力机制，学习自适应的注意力权重，以关注不同用户节点的权重调整和嵌入向量融合，最终得到异常用户向量；构建协同进化超网络，利用异常用户的特征向量作为输入；通过适应度评估函数对每个子网络的解进行评估、调整和优化，同时共享信息和经验，加速全局搜索，实现异常用户的检测；本发明通过使用邻接矩阵表示节点之间的关系，根据不同关系类型构建边，实现全面的节点关联。

公开(公告)号：CN116501879A

公开(公告)日：2023-07-28

申请号：CN202310550831.5

申请日：2023-05-16

Applicant: 重庆邮电大学

Inventor： 王进 ,  陈浩如 ,  袁鑫浩 ,  毛博

IPC: G06F16/35 ,  G06F18/2415 ,  G06F18/2411 ,  G06F16/31 ,  G06N3/045

Abstract: 本发明属于文本分类领域，具体涉及一种基于大数据的APP软件用户评论需求分类方法，包括：获取APP用户评论数据并清洗和打标；建立SVTEO模型和NBTEO模型；根据标签数据对SVTEO模型和NBTEO模型的线性层进行ML、DL同质化学习和SVTEO模型、NBTEO模型异质化和参数微调处理，并将处理后的SVTEO模型和NBTEO模型组成用户评论需求分类模型；将待分类的APP用户评论数据输入用户评论需求分类模型进行分类打标处理，得到APP用户评论数据的分类标签。本发明考虑到传统机器学习与深度学习在用户评论需求分类领域的差异性，吸收其各自优点，弥补缺点，解决了文本分类在用户评论需求分类领域的困难。

公开(公告)号：CN115906845A

公开(公告)日：2023-04-04

申请号：CN202211391706.6

申请日：2022-11-08

Applicant: 重庆邮电大学

Inventor： 王进 ,  李翔宇 ,  毛博 ,  彭云曦 ,  刘彬 ,  朴昌浩 ,  杜雨露

IPC: G06F40/295 ,  G06F40/258 ,  G06F40/194

Abstract: 本发明属于自然语言处理技术领域，具体涉及一种电商商品标题命名实体识别方法，该方法包括：获取待识别的商品标题文本数据，将标题文本数据转化为词向量；对词向量进行拼接，得到向量特征；向量特征输入到训练好的实体识别模型中，得到识别结果；在对实体模型进行训练过程中，将训练集中的数据输入到模型中得到两个特征向量，计算特征向量的相似度，并进行特征向量拼接；根据拼接结果计算模型的损失函数；本发明在进行模型训练过程中通过对训练数据的损失值进行降权处理，减少生成数据的噪声，补足了传统实体识别方法对商品标题实体识别的准确率较低的问题。