-
公开(公告)号：CN119622104A
公开(公告)日：2025-03-14
申请号：CN202411776918.5
申请日：2024-12-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06F18/22 , G06N3/045 , G06N3/09
Abstract: 本发明提出的一种基于项目相似性的流行度去偏推荐模型，包括从数据库中提取用户项目评分数据并进行预处理，得到原始评分矩阵；基于KL散度计算项目间的相似性，并基于此相似性计算基于项目相似性的流行度(ISP)；基于因果理论，将用户与项目的交互评分解耦为“真实兴趣”和“从众行为”两部分，并为用户和项目分配对应的嵌入向量；通过引入权重注意力机制，自适应学习用户的兴趣和从众行为的权重；基于得到的权重加权求和两部分得分，计算最终的个性化推荐得分；通过基于ISP的负采样方法划分训练数据集，并构建损失函数以监督解耦嵌入向量的学习；对用户未评分的项目进行评分值预测和排序，并选取前k个项目形成个性化推荐列表。
-
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：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
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：CN118708801A
公开(公告)日：2024-09-27
申请号：CN202410492608.4
申请日：2024-04-23
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F21/62 , G06F17/16 , G06F17/14 , G06N20/00
Abstract: 本发明涉及一种基于项目平均的纵向联邦差分隐私矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：参与方k∈[1,p]，在本地使用拉普拉斯加噪得到#imgabs0#通过目标函数L(U,V,B)，得到#imgabs1#和#imgabs2#并且通过对#imgabs3#和#imgabs4#上加入高斯噪音，得到#imgabs5#参与者k∈[1,p]在本地更新#imgabs6#和#imgabs7#并将所有参与方k∈[1,p]的#imgabs8#发送给服务器更新U；如此经过T轮后得到U，#imgabs9##imgabs10#本发明具有良好的隐私保护性和模型准确性。
-
公开(公告)号：CN113849772B
公开(公告)日：2024-07-09
申请号：CN202111206920.5
申请日：2021-10-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于本地化差分隐私对矩阵分解算法的隐私信息保护，属于计算机推荐系统领域和信息安全领域，包括将训练模型解耦的分布式框架，用户原始数据与服务器完全分离开；改进矩阵分解的传统模型，将项目潜在特征矩阵分裂为两个子矩阵之和；使用随机投影技术和piesewise机制对模型的中间参数即梯度进行扰动处理；服务器聚合来自所有用户的扰动梯度，进行模型参数更新，用户使用原始数据进行本地参数的更新。本发明具有良好的隐私保护和模型准确性。
-
Patent Agency Ranking
公开(公告)号：CN116192356A
公开(公告)日：2023-05-30
申请号：CN202111424525.4
申请日：2021-11-26
Applicant: 重庆邮电大学
IPC: H04L9/00
Abstract: 本文发明了一种基于混沌映射与不可约多项式的动态S盒的产生方法，涉及混沌密码学领域与图像加密领域。该方法具体包括：S1:明文序列化；S2：筛选出若干个GF(2^8)域上不可约多项式，利用Logistic混沌映射的迭代结果选择不可约多项式参与计算；将Arnold映射的模型公式修改为一维公式，优化一维公式得到S盒生成公式，结合选择的不可约多项式与S盒生成公式产生S盒；S3：用S盒产生扩展秘钥；S4：用秘钥加密明文序列；S5：用S盒替换加密后的序列；S6：改变密文序列的位置；S7：迭代S2‑S6的操作15轮。本发明产生的动态S盒能够满足分组加密算法对S盒的要求，尤其是图像加密算法对S盒的性能要求与时间要求。
-
公开(公告)号：CN115809358A
公开(公告)日：2023-03-17
申请号：CN202211586219.5
申请日：2022-12-08
Applicant: 重庆邮电大学
IPC: G06F16/9035 , G06F16/9038 , G06N3/0464 , G06N3/08
Abstract: 本发明提出的具有预测可靠性的深度神经网络推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据系统设定的不同评级值，将用户‑项目评级矩阵R划分为对应的几个独立且只含0‑1二值的子矩阵；利用深度神经网络中的双塔模型去并行训练所获取的子矩阵，以预测出每个子矩阵中相同空白区域的概率值；归一化每个子矩阵中所得到的概率值，并将归一化后的最大概率值作为可靠性概率；根据所获取的可靠性概率，找到对应子矩阵所代表的评级，并将该评级作为该空白区域的预测评级；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：CN111523038B
公开(公告)日：2022-12-27
申请号：CN202010344456.5
申请日：2020-04-27
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/906 , G06Q10/06
Abstract: 本发明请求保护一种应用于推荐系统中的自然噪声模糊管理方法及存储介质，属于推荐技术领域，具体包括步骤：获取推荐系统的评分数据，并利用三分法对推荐系统中的评分进行分类，建立每个类别的隶属度函数，得到评分的模糊集表示；根据评分的模糊集表示分别建立用户和项目的模糊集表示，所述模糊集表示用户或项目分别在低分、中分、高分的倾向；根据用户和项目的模糊集表示预估任意用户u对项目i的评分的模糊集表示，并进行归一化处理；根据噪声检测规则进行自然噪声检测；自然噪声修正：根据最大隶属度原则，对已经检测出的噪声数据进行修正，对所有噪声修正完成后形成新的数据集。本发明方法可以高效的对推荐系统自然噪声数据进行管理。
-
公开(公告)号：CN109409114B
公开(公告)日：2021-09-14
申请号：CN201811308347.7
申请日：2018-11-05
Applicant: 重庆邮电大学
IPC: G06F21/60
Abstract: 本发明公开了一种基于易辛结构的可并行图加密方法，按照以下步骤进行：S1、从存储系统中获取以图结构形式存储的待加密图数据I；S2、通过随机向量生成器，对待加密图数据I对应生成一个密钥向量K；S3、对待加密图数据I进行图结构识别，得到该待加密图数据I的图结构类型；S4：根据步骤S3得到的图结构类型，基于易辛模型构建对应的图加密算法，对待加密图数据I根据对应的密钥向量K进行加密后，输出加密图文件E。有益效果：能够高效并且安全灵活的对图进行加密，由于是并行加密，其效率更高。可以实现图加密所要求的可逆性、多样性、高效性、随机性和扩散性等要求。
-
公开(公告)号：CN111523038A
公开(公告)日：2020-08-11
申请号：CN202010344456.5
申请日：2020-04-27
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/906 , G06Q10/06
Abstract: 本发明请求保护一种应用于推荐系统中的自然噪声模糊管理方法及存储介质，属于推荐技术领域，具体包括步骤：获取推荐系统的评分数据，并利用三分法对推荐系统中的评分进行分类，建立每个类别的隶属度函数，得到评分的模糊集表示；根据评分的模糊集表示分别建立用户和项目的模糊集表示，所述模糊集表示用户或项目分别在低分、中分、高分的倾向；根据用户和项目的模糊集表示预估任意用户u对项目i的评分的模糊集表示，并进行归一化处理；根据噪声检测规则进行自然噪声检测；自然噪声修正：根据最大隶属度原则，对已经检测出的噪声数据进行修正，对所有噪声修正完成后形成新的数据集。本发明方法可以高效的对推荐系统自然噪声数据进行管理。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
