本发明提出一种基于域间知识迁移与交叉注意力的多领域推荐方法与系统，首先，对各领域用户‑项目嵌入进行特征学习，通过挖掘高阶相似性关系区分多领域内的相似行为用户，以克服对重叠用户的强依赖性，同时引入对比学习机制对齐跨域行为特征，有效实现信息传递；其次，制定一种交叉注意力机制，使目标领域能动态聚合其它领域的关键信息，生成领域特定表示，适应复杂数据分布并平衡特征差异；最后，融合特征学习后的各领域嵌入获取全局通用领域嵌入，通过多层感知机实现自适应映射，与领域特定表示融合构建兼具全局共性与领域特性的最终预测表示，适应用户偏好动态变化的场景，提高推荐的准确性。
📄 2025109492565
📂 G06F16_9035
👤 江西财经大学
📅 2025-07-10
本发明公开了一种项目邻居信息对比增强的推荐方法，包括：结合用户‑项目图及知识图谱，实现用户‑项目交互数据和知识图谱的连通，以获取用户和项目在知识图谱中传播生成的不同邻居信息集；设计知识感知注意力机制计算不同层的邻居信息对用户和项目的重要性存在差异，实现细粒度的邻居信息编码；采用对比学习来学习视图间的共同特征，以促使项目视图之间互信息的一致性，从而减少项目邻居嵌入中的噪声数量；聚合各邻居嵌入得到用户和项目的最终特征，并结合推荐任务和自监督学习任务进行项目的推荐。本发明将注意力机制、对比学习及知识图谱结合，缓解了推荐中存在的用户‑项目交互数据稀疏和知识噪声问题，提升了推荐结果的准确性。
📄 2023109045420
📂 G06F16_9535
👤 北方民族大学
📅 2023-07-21
本发明公开了一种融合用户‑项目的邻居实体表示推荐方法，针对现有的基于知识图谱的推荐方法中，大多采用单一用户或项目表示，在合并来自知识图谱的实体时，用户或项目表示所携带的信息容易丢失，拟合用户兴趣不足，进而导致模型的次优表示的问题，提出联合用户和项目的特征表示挖掘用户更感兴趣的内容，使用TransR模型在知识图谱中进行实体传播，获取用户的嵌入表示；使用GCN聚合候选项目在知识图谱的邻域实体，获取项目的嵌入表示。最终实验结果表明本方法的平均AUC和ACC值分别提升约8.75％和7.10％。
📄 202210461853X
📂 G06F16_9535
👤 北方民族大学
📅 2022-04-28
本发明公开了一种在线课程推荐方法,所述推荐方法包括:预先以课程、学生、学校和老师为节点,建立课程分别关于学生、学校和老师的实体关系模型;根据建立的实体关系模型,获取与待推荐课程的目标学生相关联的课程关联节点信息;计算目标学生和每个课程关联节点的多跳信息传播向量,并以此作为目标学生和课程关联节点的表征向量;根据目标学生的表征向量和每个课程关联节点的表征向量,完成对目标学生推荐课程;可利用课程分别与学生、学校和老师之间的实体关系,来综合考量对学生进行推荐的课程,可综合利用多实体之间的关系,提高课程推荐的准确性,同时,在每一轮推荐后,系统利用学生的反馈对推荐模型进行更新,保证了推荐的实时性。
📄 2021110114846
📂 G06F16_9535
👤 南京邮电大学
📅 2021-08-31
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
柿子坊 · 知识产权运营
柿子坊知识产权运营平台