公开(公告)号：CN116090983A

公开(公告)日：2023-05-09

申请号：CN202211555339.9

申请日：2022-12-06

Applicant: 重庆邮电大学

Inventor： 邓江洲 ,  王永 ,  王霞 ,  唐仁泰 ,  王河洺 ,  陆聪 ,  杨久裕

IPC: G06Q10/10 ,  G06Q10/0639 ,  G06F16/9535

Abstract: 本发明涉及一种基于直觉模糊集的噪声检测推荐系统，属于推荐技术领域。包括：获取和处理原始数据，构建用户‑项目评分矩阵R；根据直觉模糊集的相关理论，计算用户和项目的直觉模糊数，并以此来对用户和项目的偏好倾向进行分类，获得偏好信息；借助偏好信息，设定噪声检测机制来识别和修正噪声数据，得到修正后的评分矩阵R′；将R′作为输入，利用系统中已有的推荐方法进行结果预测和排序；设定待推荐项目数量k，将符合推荐条件的项目j推送给目标用户i，形成个性化推荐列表。

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

Inventor： 王永 ,  王河洺 ,  邓江洲 ,  李艾雯 ,  杨凯钧 ,  王霞 ,  王淞立 ,  伍奇

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

Inventor： 邓江洲 ,  王河洺 ,  李行健 ,  王永

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：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

Inventor： 邓江洲 ,  王永 ,  王淞立 ,  王河洺 ,  杨单 ,  王霞 ,  罗陈红

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：CN119939657A

公开(公告)日：2025-05-06

申请号：CN202510021407.0

申请日：2025-01-06

Applicant: 重庆邮电大学

Inventor： 王永 ,  杜晓春 ,  张智强 ,  邓江洲 ,  王霞 ,  王河洺 ,  秦嘉俊

IPC: G06F21/62 ,  G06F21/12 ,  G06F16/9535 ,  G06F21/55 ,  G06N3/094 ,  G06N3/0475 ,  G06N5/04

Abstract: 本发明涉及一种面向生成式推荐系统的成员推理攻击方法，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：将目标用户的历史交互数据转换为目标模型需要的输入格式，并将其数据并入到另一个与目标数据集datatarget完全不重合的影子数据集datashadow，以相同的参数训练一个与目标模型结构一样的辅助模型modeleauxiliary，再讲目标用户的数据分别输入到目标模型modeltarget和辅助模型modelauxiliary中得到两个模型输出的推荐列表，计算推荐列表的重合度ε作为目标用户的特征；输入到推断模型modelinference，最后输出目标用户的成员关系。本发明在推断成员关系的准确性有良好的效用。

公开(公告)号：CN117009675A

公开(公告)日：2023-11-07

申请号：CN202310884977.3

申请日：2023-07-18

Applicant: 重庆邮电大学

Inventor： 王永 ,  陈俊谕 ,  邓江洲 ,  王河洺 ,  伍奇 ,  郑磊 ,  黑旭盛

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F17/16 ,  G06N3/043 ,  G06N3/048 ,  G06N3/08 ,  G06Q30/0601

Abstract: 本发明提出的基于图片模糊集的协同过滤推荐模型，包括从数据库中获取和清理数据信息，以获得原始评分矩阵；基于图片模糊集理论，将评分矩阵转换为四个代表用户不同偏好程度的矩阵，分別为隶属矩阵、中立矩阵、非隶属矩阵以及拒绝矩阵；利用BeMF模型对偏好矩阵进行拟合以学习用户和物品的特征向量信息，并通过特征向量的内积来获取用户对为评分物品的图片模糊数；借助打分函数，对图片模糊数进行打分；通过多层感知机学习历史评分中潜在的全局用户偏好；结合图片模糊数的打分(细粒度偏好)和多层感知机的输出值(全局偏好)，形成综合预测值并排序以生成推荐物品列表。

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

Inventor： 邓江洲 ,  王淞立 ,  王永 ,  陈俊谕 ,  李行健 ,  陈思彤 ,  王河洺

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：CN119939107A

公开(公告)日：2025-05-06

申请号：CN202510016231.X

申请日：2025-01-06

Applicant: 重庆邮电大学

Inventor： 王永 ,  冯婷婷 ,  符永骥 ,  邓江洲 ,  王霞 ,  王河洺

IPC: G06F17/18 ,  G06N3/092 ,  G06N3/09 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/042

Abstract: 本发明提出一种基于强化学习的TSP路径组合优化方法及系统，通过将解分布学习与组合优化目标学习相结合，构建了一种各向异性的图神经网络作为扩散模型的骨干网络，利用其表示能力捕捉图结构数据中的复杂关系，利用扩散模型单转马尔可夫前向过程建模概率分布。此外，本发明还引入了两种扩散模型的加速采样方法DDIM和DPM‑solver，加速去噪的采样过程，提高训练效率。本发明能够通过将直接偏好优化引入到扩散模型中进而提出偏好引导组合优化((Preference‑GuidedCombinatorial Optimization,PGCO)，提高求解旅行商问题(TSP)模型的泛化能力和适应性，提供了一个更高效、高质量的求解大规模组合优化的模型。

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。