一种面向网络电视用户的时序主题偏好预测方法，通过提取用户d天观看电视节目的基本数据，将用户观看电视节目的时间d分为N时间片段，使用隐含狄利克雷分布(LDA)模型进行分析得到n个关于电视节目的主题以及电视节目在不同主题下的概率分布；运用最高分布概率替换原则，得到用户在不同时间片段的主题偏好，结合用户时序主题偏好及主题下电视节目的分布预测用户每一天各个时间片段里可能观看的电视节目以及用户特征，有利于电视运营商为用户提供高质量用户体验服务，有利于电视运营商结合用户特征推广增值服务及第三方商业服务，提高经济效益。本发明通过对提取的数据先进行清理，清除了一些实用性不强的数据，从而提高了预测结果的可靠性。
📄 2016108385139
📂 H04N21_234
👤 广东工业大学
📅 2016-09-20
本发明公开了一种基于网络数据驱动的个性化跨域推荐方法，包括：分别构建源域、目标域的用户‑物品异构图；对源域、目标域的用户‑物品异构图进行关于边的用户‑物品的负采样，并根据共同用户划分训练集和测试集，并设置元路径；通过TAHIN模型对用户‑物品异构图中的节点进行表示学习，分别得到用户节点嵌入和物品节点嵌入；将源域用户节点嵌入和目标域物品节点嵌入输入元网络，生成个性化桥接函数；对源域和目标域的异构图神经网络模型、以及元网络进行训练。本发明在跨域推荐时可以有效缓解数据稀疏问题和冷启动问题，为用户提供更加全面、准确的商品推荐，使得用户在目标域的推荐更加个性化。
📄 2024100395616
📂 G06F16_9535
👤 南京邮电大学
📅 2024-01-11
本发明公开了一种融合电影属性和交互信息的电影推荐系统，通过数据采集模块获取每部电影的属性和用户历史观影信息，通过前向传输模块表示电影和用户的特征，并输出预测值。通过反向传输模块优化系统参数。通过判断模块判断预测输出层的输出值是否大于提前设定好的阈值。通过推荐模块判断是否将电影推荐给用户。本发明不仅利用了电影和用户的交互信息，还利用了电影的属性信息以及属性和属性之间的关系，可解释性增强，且有效缓解物品冷启动问题，从而获得更好的推荐效果。
📄 2021106533419
📂 G06F16_9535
👤 南京邮电大学
📅 2021-06-11
本发明公开了一种基于多维聚合流量分析用户需求的商址推荐系统及方法，系统包括运营商SP、商家BS、手机流量聚合器MA、手机用户User；假设将统计范围划分为m个区域，每个区域最多允许有n个手机用户，每个用户的数据是l维的，即l个手机应用；运营商SP仅有一个且为安全的第三方；手机流量聚合器MA用来实时收集聚合所有区域用户的l个手机应用流量数据，后将聚合流量发送给运营商SP；运营商SP解密后将聚合流量分别存储在不同类应用数据库中，商家BS作为查询者向运营商SP发出新设施选址查询请求，运营商SP根据商家新设施类型推荐符合商家应用类型的选址区域。本发明能够保证在为商家推荐选址范围的同时不泄露用户的隐私信息，保证用户信息的安全性。
📄 2020100008969
📂 H04W4_02
👤 湖北工业大学
📅 2020-01-02
本发明公开了一种基于用户意图特征的智能新闻推荐方法和系统，属于推荐系统领域和自然语言处理领域。本发明要解决的技术问题为现有的新闻推荐方法无法识别用户意图特征，从而导致推荐结果不准确的问题，采用的技术方案为：该方法具体如下：S1、构建新闻推荐模型的训练数据集；S2：构建基于用户意图特征的新闻推荐模型：具体如下：S201、构建新闻编码器；S202、构建TF‑IDF算法模块；S203、构建意图编码器；S204、构建图神经网络；S205、构建意图解码器；S206、构建点击率预测器；S3、训练基于用户意图特征的新闻推荐模型。该系统包括训练数据集生成单元、基于用户意图特征的新闻推荐模型构建单元和模型训练单元。
📄 2023104129114
📂 G06F16_9535
👤 齐鲁工业大学(山东省科学院)
📅 2023-04-13
本发明涉及一种融合商品流行度分析的在线用户偏好高满意度推荐方法，用于解决现有技术对象推荐的准确性和用户满意度较低的问题，包括：获取用户与对象的交互行为总量和用户对所述对象的交互行为的评价；将交互行为总量经过函数变换为对象流行度并输入推荐模型，获取高偏好用户和对象表征并通过运算获得对象推荐候选集；将划分为若干等级的对象输入推荐模型训练，获得高满意度的用户和对象表征；分别高偏好用户和对象表征与高满意度的用户表征和对象表征融合，获得高偏好且高满意度的用户表征和对象表征并进行点积运算得到用户对对象的高偏好且高满意度的预测分数，根据所述预测分数得到用户的对象推荐列表，提高了为用户推荐的准确率和满意度。
📄 2024110881184
📂 G06Q30_0601
👤 广东工业大学
📅 2024-08-09
本发明涉及知识蒸馏技术领域，尤其是涉及一种基于因果理论的知识蒸馏去偏推荐方法及系统。方法，包括构建知识蒸馏去偏推荐模型，其中，构建两个教师模型和一个学生模型，根据用户评分数据集生成观测数据的因果路径；基于量化选择偏差的因果效应补充未观测数据的因果路径；利用两个教师模型分别在观测数据的因果路径和未观测数据的因果路径进行预测，生成无偏软标签；基于无偏软标签对学生模型进行知识蒸馏，得到知识蒸馏去偏推荐模型；利用知识蒸馏去偏推荐模型进行用户预测。本发明从因果推断的角度出发，分析知识蒸馏过程中选择偏差产生的因果原因，通过补充未观测数据的因果路径来解决选择偏差问题。
📄 2025102929256
📂 G06N3_045
👤 烟台大学
📅 2025-03-13
一种融合用户行为信息的餐馆推荐方法，包括以下步骤：1)根据用户历史就餐数据，构建用户就餐行为序列网络；2)使用DeepWalk算法，对用户就餐行为序列网络节点进行表征学习；3)结合用户历史就餐行为，重构用户就餐行为成本特征；4)将用户评分数据与行为成本特征，并行地用于构建餐馆推荐模型。本发明根据用户历史就餐行为数据，重构餐饮用户的就餐行为成本特征，更合理地反映用户餐饮消费行为的个性化风格，为进一步构建用户餐馆推荐系统提供了坚实的数据质量基础。
📄 201810453562X
📂 G06Q30_06
👤 浙江工业大学
📅 2018-05-14
一种个性化的学术文献推荐方法，包括以下步骤：S1数据收集与清洗：收集以论文和作者为核心的论文数据，所述论文数据包括论文标题、论文摘要、作者姓名、发表年份、发表刊物和参考文献，清洗掉有明显的格式错误、数据缺失的数据；S2模型建立，过程如下：S2.1构造训练集；S2.2特征计算；S3模型训练；S4学术文献推荐，过程如下：S4.1建立备选文献集，要求每步选取的被引用的论文发表时间早于该论文的发表时间；S4.2预测，取可能性值前k′大的论文作为最后进行推荐的参考文献。本发明能够更加准确高效地生成符合用户需求的参考文献列表。
📄 201810467316X
📂 G06F17_30
👤 浙江工业大学
📅 2018-05-16
一种融合时间感知与路径推理的可解释序列推荐方法，包括以下步骤：1)构建时序协作知识图谱；2)通过TransE在时序协作知识图谱上进行节点表示学习；3)设计时间感知系统，通过路径和物品注意力机制更新当前时刻的物品向量，再结合用户向量生成物品预测向量；4)设计路径推理系统，使用强化学习框架进行关联路径推理，通过路径表示学习得到多路径向量；5)模型训练，对时间感知系统和路径推理系统进行训练得到物品预测结果。本发明引入双系统模拟人类推理过程，并通过学习时序协作知识图谱中用户行为的时间依赖特征，提高了推荐结果的准确性和可解释性。
📄 2024113683217
📂 G06F16_9535
👤 浙江工业大学
📅 2024-09-29
本发明涉及人工智能优化操作系统技术领域，具体公开基于自适应全局图建模和意图对比学习的序列推荐方法，该方法包括：序列全局图构建、模块输出融合、序列推荐学习以及推荐结果优化，首先得到用户历史行为序列，构建为关联图并改进优化，得到并记为用户行为序列全局图，分别注入序列编码器的局部模块以及全局模块中，使局部模块和全局模块的输出进行融合，使得序列编码器可以全面地学习更具表达力的意图，以此进行意图对比学习，综合得到用户的序列推荐，并对用户进行预测，完成自适应全局图建模和意图对比学习的序列推荐，提升了在噪声情况下和数据稀疏情况下的推荐效果，改善了用户体验，多维度增强了序列推荐方法的鲁棒性和泛化能力。
📄 2024116178084
📂 G06F16_9535
👤 西南大学
📅 2024-11-13
本发明提供一种融合信任和显式偏好的可解释在线短租推荐方法，所述方法通过构建异质偏好识别模型，并通过获取的在线短租平台的历史用户集合、历史房源集合和交易记录集合来构建训练集来对所述异质偏好识别模型进行训练，与现有技术相比，本发明通过在所述异质偏好识别模型中对房东和房源的纠缠表征进行解纠缠，有效的实现了特征级的显式异质偏好的分离，能够更好的挖掘用户对于房屋和房东的选择上的偏好，同时，通过获取各个物品级表征以及各个偏好表征的重要性解释，能够为房东提供更切实可行的房源评价参考；同时，为所述异质偏好识别模型中的各个模块对应设置损失计算，在识别异质偏好的同时，有效提升推荐效果。
📄 2024107394879
📂 G06Q30_0645
👤 广东工业大学
📅 2024-06-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台