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
本发明公开了一种基于矩阵补全的抗托攻击推荐算法，首先统计用户对项目的评分，提取用户的属性特征和项目的属性特征，分别构建用户‑项目评分矩阵，用户属性特征矩阵和项目属性特征矩阵；然后将用户‑项目评分矩阵中的托攻击评分建模为矩阵补全模型中的结构化噪声；然后采用分块坐标下降算法对各变量进行迭代更新，求得结构化行噪声矩阵；随后根据结构化行噪声矩阵剔除用户‑项目评分矩阵中的托攻击评分；最后使用传统推荐算法进行评分预测，求得预测评分矩阵。本发明提供的推荐算法能够有效地检测出推荐系统中的托攻击用户，在托攻击干扰下可取得比传统推荐算法更精确的个性化评分预测效果，有效提高了推荐算法的鲁棒性。
📄 2018102008947
📂 G06F16_9535
👤 南京邮电大学
📅 2018-03-12
本发明公开了一种基于关键字推荐的视频社会关注度提高方法。本发明采用语义相关性和深度学习的方法，推荐视频的关键字，提高视频的社会关注度。方法基于关键词之间的语义相关性以及对视频内容的深度学习，首先根据用户的初始关键词寻找与初始关键词语义最相关的若干语义关键词；然后利用深度学习分析视频内容挖掘出实体关键词；最后按照一定的标准排序这两部分关键字，推荐给用户最相关的关键词。本发明推荐的关键词兼顾了关键词与视频内容的相关度以及吸引社会关注度的潜力，提高了视频的社会关注度，是一种既高效又实用的视频关键字推荐方法。本发明可以用于在线社会化媒体分析，数据挖掘以及视频标签推荐领域。
📄 2016108848408
📂 G06F17_30
👤 杭州电子科技大学
📅 2016-10-11
本发明公开了一种基于多维霍克斯过程和注意力机制的下一个物品推荐方法，包括：S1基于多维霍克斯过程和注意力机制的物品关键特征向量和用户兴趣向量的获取；S2用户动态兴趣的预测与建模；S3序列感知的推荐。本发明利用多维霍克斯过程和注意力机制从用户物品交互序列中提取物品的特征向量和用户兴趣向量，再结合用户的交互序列记录预测用户的动态兴趣，最后在推荐的时候综合考虑用户的兴趣偏好和物品的关键特征向量，从而改进推荐效果，提升推荐准确率。
📄 2019108308723
📂 G06F16_9535
👤 杭州电子科技大学
📅 2019-09-04
柿子坊 · 知识产权运营
柿子坊知识产权运营平台