-
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
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:CN115512362A
公开(公告)日:2022-12-23
申请号:CN202211175939.2
申请日:2022-09-26
Applicant: 重庆邮电大学
IPC: G06V30/18
Abstract: 本发明公开了一种手写体汉字骨架化及角点标注方法,其包括步骤:I)将手写体汉字字符图像二值化,值为0的像素点为笔画点,值为255的像素点为非笔画点;II)消除笔画的毛刺点,并标记为非笔画点;毛刺点为八邻域内上下左右任一方向上的3领域都是笔画点而其他邻域都是非笔画点的笔画点;III)对手写体汉字的横向、竖向和斜向笔画进行骨架点标记;IV)断点的连接,对上述骨架点标记过程中无法标记的笔画断点进行连接;V)角点的标注,角点是指笔画中的端点、拐点、交汇点和交叉点。本发明能将手写体汉字骨架化,并对骨架角点进行标注。能在保持原手写汉字的形状和结构特征的同时,保证骨架点轨迹为单像素并处于笔画中心。
-
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
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: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。
-
-
-