本发明公开了基于新闻事件和新闻风格联合建模的新闻推荐方法和系统、存储介质、电子设备，属于自然语言处理技术领域及推荐系统领域，本发明要解决的技术问题为如何从用户浏览过的新闻中，挖掘新闻所包含的事件特征和风格特征，从而更好地向用户推荐符合其偏好的新闻。采用的技术方案为：①新闻事件和新闻风格联合建模的新闻推荐方法，该方法包括如下步骤：S1、构建新闻推荐模型的训练数据集；S2、构建基于新闻事件和新闻风格联合建模的新闻推荐模型；S3、训练模型。②一种基于新闻事件和新闻风格联合建模的新闻推荐系统，该系统包括：训练数据集生成单元、基于新闻事件和新闻风格联合建模的新闻推荐模型构建单元、模型训练单元。
📄 2023111599472
📂 G06F16_9535
👤 齐鲁工业大学(山东省科学院)
📅 2023-09-11
一种Web开放环境下基于Mashup服务邻域的Web API推荐方法，包括以下步骤：第一步、构建需求Mashup语义特征向量，匹配Mashup服务类簇；第二步、收集邻域内Mashup服务调用过的Web API数据，构建Web API邻域；第三步、根据邻域中构建好的Web API功能分类，对数据集中剩余的Web API进行功能类别划分；第四步、计算流行度和共现度，并进行排名，得到最终推荐列表。本发明首先初步判定需求的功能类别，明确了Web API的筛选范围，然后对数据集中所有的Web API进行功能类别划分，最后根据流行度、平均共现度的排名做出推荐，推荐的精准度较高和多样性较好。
📄 2020109401968
📂 G06F16_9536
👤 浙江工业大学
📅 2020-09-09
基于异构网络信息嵌入模型的交互可视推荐方法，包括：步骤1：对数据进行爬取和清洗；从真实的豆瓣电影网站中收集豆瓣用户数据和豆瓣电影数据，进行清洗；步骤2：获取模型训练过程中的参数和特征数据，对预处理好的电影数据构造异构电影信息网络作为模型的输入，接着使用异构嵌入模型HetGNN，KGAT和NIRec进行训练，保留训练过程中的相关参数和特征信息；步骤3：基于用户交互的模型对比探索，基于所保留的路径特征数据，根据不同指标数据以及模型参数设计相应的可视化图表；步骤4：基于异构嵌入模型的交互可视推荐，学习异构图中多类型的对象和关系，挖掘隐含的丰富结构和语义信息用于推荐任务。本发明解决了推荐的黑盒问题，增加了推荐结果的可解释性。
📄 2021113718458
📂 G06F16_9535
👤 浙江工业大学
📅 2021-11-18
一种协同多样性和准确性的智能推荐方法，包含:加载包含用户与物品交互记录的数据集；初始化用户和物品嵌入，为每个用户和物品分配一个随机初始化的嵌入向量，维度为d；构建用户与物品的二部图，其中用户和物品作为节点，交互关系作为边；使用类别感知的邻居选择策略对节点的邻居进行筛选，生成类别平衡的邻居子集；使用轻量级图卷积网络对类别平衡的邻居子集进行信息聚合,使用分层动态注意力模块加权融合多层嵌入，平衡不同层级的信息，更新用户和物品嵌入向量；采用多任务联合训练策略，基于自适应的融合权重调整贝叶斯个性化损失，同时将主任务贝叶斯个性化损失和辅助任务对比学习结合起来训练优化；基于最终训练好的用户嵌入和物品嵌入，计算它们之间的内积得到用户对物品的评分，将推荐列表呈现给用户。
📄 2025100745629
📂 G06Q30_0601
👤 浙江工业大学
📅 2025-01-17
本发明公开了一种基于量子进化引导的适老龄化短视频推荐方法，包括：基于用户历史交互数据，预训练一个通用兴趣扩散模型，用于生成通用兴趣画像；针对目标用户，初始化其个性化引导状态，生成经典引导向量和量子引导向量；以所述通用兴趣扩散模型为基础，通过量子进化引导器迭代生成目标用户的个性化理想兴趣画像；基于所述个性化理想兴趣画像，通过注意力机制与内容库进行匹配，生成推荐列表。本发明的基于量子进化引导的适老龄化短视频推荐方法，通过引入量子进化引导的生成式推荐方法极大地提升了推荐内容的新颖性。
📄 2025109505993
📂 G06F16_735
👤 浙江工业大学
📅 2025-07-10
一种基于兴趣度模型与类型因子的高校图书推荐方法，使用K近邻算法将读者聚类，减少计算量；建立了兴趣度模型来量化协同过滤；将类型因子加入到协同过滤计算过程中，提高推荐的准确率。弥补了高校图书馆缺少读者反馈信息的缺点，并充分考虑了高校读者具有专业性和图书具有专业性的特点。实验结果表明，本发明在挖掘过程中稳定性好、准确率高，准确率优于其他的图书推荐算法，满足了高校图书馆图书推荐的需求。
📄 201811154325X
📂 G06K9_62
👤 浙江工业大学
📅 2018-09-30
本发明公开了一种面向对象实例化任务的API自动推荐方法及装置。其中，面向对象实例化任务的API自动推荐方法，包括给定一组API集合，构建加权API有向图模型；确定面向对象实例化任务的初始API和终止API，进而查找出加权API有向图模型中所对应的节点并分别作为起点和终点；遍历加权API有向图模型中从所述起点到所述终点的所有路径，形成API调用序列候选集合；从API调用序列候选集合中，筛选出服务质量从优到劣排在预设位数之前的API调用序列并依次推荐给客户端。本申请无需进行人工干预，可自动地完成对象实例化解的推荐。
📄 2018107784732
📂 G06F8_34
👤 山东师范大学
📅 2018-07-16
本发明公开了一种基于有向图改进版PageRank以及综合评定微博影响力的用户推荐方法，包括如下步骤：（1）Python爬虫爬取新浪微博数据集；（2）通过数据集在关注关系与交互关系的基础上建立有向图模型；（3）加入综合指标评定矩阵，得到加权概率转移矩阵；（4）马尔科夫迭代收敛得到最终PR值并进行Top‑N推荐。与传统方法相比，本发明所述方法可以有效避免仅通过关注关系建模，或者评判指标太过单一造成的局限性以及不准确性，实现了在数据范围里更精确且可信度更高的影响力用户的确定。
📄 2018109989440
📂 G06F16_9535
👤 杭州电子科技大学
📅 2018-08-29
本发明公开了一种基于相关矩阵和词向量模型的兴趣点推荐方法。本发明通过参考自然语言处理中训练词向量模型进行用户和兴趣点的向量表示建模，该模型可从用户的签入序列中捕获兴趣点的地理影响。假设一个兴趣点受用户签到序列中其他兴趣点的影响。将每个兴趣点视为“单词”，将每个用户的顺序签到序列视为“句子”，并结合使用自言语言处理中的Skip‑gram词向量模型来训练兴趣点以及用户的潜在表示向量。本发明分别从用户和兴趣点的角度进行融合成一个更好的地理信息模型。为此，在该模型中使用了用户和兴趣点之间的地理距离和用户在相邻兴趣点上的签到频次。通过考虑到相邻兴趣点在模型推荐策略中的影响，解决了签到数据稀疏问题。
📄 2019114252208
📂 G06F16_9535
👤 杭州电子科技大学
📅 2019-12-31
本发明公开了一种基于多目标需求相似性的家庭饮食推荐方法及设备，方法主要针对家庭成员的健康需求和平衡家庭成员不同的饮食需求。方法包括:采集整个家庭成员的健康信息，角色信息和需求信息；根据家庭成员的信息，建立饮食偏好模型和家庭饮食需求模型；构建食物推荐间隔时间函数模型，增加推荐的食物种类来丰富饮食结构，提高推荐结果的多样性；本发明在食谱推荐上，不仅考虑了疾病患者和家庭成员的营养信息，还考虑了家庭成员其他方面的需求，实现了多目标推荐；推荐食谱的饮食结构上，考虑了用户偏好随时间漂移以及推荐食谱的多样性，通过用户偏好漂移函数和食物推荐间隔的时间函数，防止用户喜爱的某种食物被不断的推荐，丰富了饮食结构。
📄 202010408316X
📂 G16H20_60
👤 陕西师范大学
📅 2020-05-14
本发明提供一种问答社区专家推荐方法及系统，属于互联网技术领域，获取问答社区上的目标问题；利用预先训练好的推荐模型处理所述目标问题，得到所述目标问题在所述问答社区内对应的一个最优专家用户，作为目标专家用户；其中，预先训练好的推荐模型由训练集训练得到；所述训练集包括：所述问答社区内的多个问题，以及标记某专家用户是所述多个问题中的某个问题的最优专家用户的标签，以及标记某专家用户不是所述多个问题中的某个问题的最优专家用户的标签。本发明结合用户显式兴趣和隐式兴趣，关注用户兴趣和用户专业知识的时间动态，充分利用显示与隐式方面特征的结合来表征深层次特征，处理动态序列信息，提升了推荐准确性和推荐效率。
📄 2021106614721
📂 G06F16_9535
👤 济南大学
📅 2021-06-15
本发明涉及数据分析，提供一种基于评分数据的物品推荐方法，包括：采集用户对物品的评分构建用户物品二分图；基于用户物品二分图的所有节点得到第一相关矩阵；根据每个节点的相邻节点构成每个节点的相邻集合，从第一相关矩阵中提取相邻集合中任意两个节点组合的相关值，构成子相关矩阵，将子相关矩阵中非对角线元素均值的倒数作为每个节点的桥接值，构成桥接矩阵；将桥接矩阵与第一相关矩阵进行组合获得各节点的推荐指数构成的推荐矩阵；按照推荐指数由大到小的顺序对推荐矩阵中表示物品的节点进行排序，按照预设条件选取节点对应的物品作为推荐物品。本发明还提供一种电子装置及存储介质。本发明向用户推荐不拘泥于用户兴趣的相似物品。
📄 2019106050219
📂 G06Q30_06
👤 平安科技(深圳)有限公司
📅 2019-07-05
柿子坊 · 知识产权运营
柿子坊知识产权运营平台