本发明公布了一种基于移动终端应用数据的预测推荐方法，本发明根据用户使用移动终端应用数据更新和补充用户属性，结合主题模型和混合协同过滤预测方法的优点，在考虑到用户个性化的同时提高了推荐的准确性，而且本发明根据用户安装移动终端应用情况可以得到用户的隐性偏好，利用用户隐性偏好预测的准确性要比基于用户的协同过滤和基于物品的协同过滤算法的准确性要高。
📄 2018104900426
📂 G06F16_9535
👤 广东工业大学
📅 2018-05-21
本发明提供一种基于多视图对比学习的项目推荐方法，包括：在分割聚类模块中，将用户交互项目序列滑动分割为多个交叉子序列，基于交叉子序列获得初步的粗粒度意图嵌入，并对初步的粗粒度意图嵌入进行聚类，获得细粒度意图嵌入；在融合提取模块中，构建出可表达用户意图的用户簇兴趣图与项目簇兴趣图，在用户簇兴趣图内进行同簇交互，并对用户簇兴趣图与项目簇兴趣图进行异簇交互，得到全局层面的用户意图嵌入；在对比推荐模块中，将初步的粗粒度意图嵌入通过层注意力网络获得最终的粗粒度意图嵌入，基于最终的粗粒度意图嵌入进行推荐任务，获得项目推荐列表。本发明能够解决现有技术嵌入多样性不足、推荐准确性低的问题。
📄 2024117109912
📂 G06F18_23213
👤 江西财经大学
📅 2024-11-27
本发明提供一种基于特征交互信息和时间张量分解的项目推荐方法，应用于项目推荐模型，项目推荐模型包括特征编码层、特征提取层和学习预测层，特征提取层包括DeepTF模块与DeepATF模块，学习预测层包括GMF‑TF模块、GMF‑ATF模块与预测模块，本发明在模型中融入时间因素，使模型可观察时间对用户选择的影响，在涉及动态场景时，用户与项目的交互可以体现因时间而产生的动态性，以更准确地预测用户在当前时间对各个项目的评分；本发明通过多层注意力机制提取用户、项目、时间特征，获取丰富的特征表示，并引入广义矩阵分解(GMF)为模型生成用户与项目、用户与时间、项目与时间的二阶特征交互信息，使模型可观测到它们之间的潜在联系，提高模型整体性能。
📄 2023112880463
📂 G06F18_20
👤 江西财经大学
📅 2023-10-08
本发明公开了一种层次化的出租车载客推荐方法及系统，本发明包括划分网格区域，并将出租车的历史载客点和POI映射到网格区域中，从网格区域中提取时空特征向量X并构建时空上下文矩阵；将时空上下文矩阵输入到极深因子分解机模型xDeepFM中进行训练得到司机‑时间段‑网格区域载客概率数据，再结合司机当前的时空信息，获取司机载客概率最高且较近的推荐网格区域；对推荐网格区域内的历史载客点进行时空分析，获取代表乘客聚集地的推荐候选载客点。本发明能够将司机载客概率最高且较近的推荐网格区域、代表乘客聚集地的推荐候选载客点，能够得到更精准的推荐位置，提高载客推荐的性能，有利于提高司机载客效率及出租车司机收入。
📄 2021111010524
📂 G06F16_9537
👤 湖南科技大学
📅 2021-09-18
一种个性化产品推荐方法，涉及数据处理领域。在该方法中，获取用户的基础信息数据，基础信息数据包括用户的浏览历史数据、购买记录数据以及搜索关键词数据；对基础信息数据进行特征提取，得到用户特征；根据用户特征从多个维度构建用户画像；根据用户画像和对应的商品，生成初始化商品推荐列表，初始化商品推荐列表包括多个推荐商品；获取用户针对目标推荐商品的倒卖信息；根据倒卖信息对初始化商品列表进行调整，得到最终商品列表；将最终商品列表展示给用户。实施本申请提供的技术方案，通过结合用户的基础信息和倒卖信息进行推荐，能更精确地捕捉到用户的实际偏好和需求，从而提供更为贴切的商品推荐。
📄 2024107413475
📂 G06Q30_0601
👤 杭州字节方舟科技有限公司
📅 2024-06-11
本发明实施例提供了一种基于大数据和生涯规划的个性化课程推荐方法与装置，其中，基于大数据和生涯规划的个性化课程推荐方法，包括：获取第一用户的第一输入数据；在第一输入数据为第一目标数据的情况下，根据第一目标数据，确定与第一用户对应的第一标签集；根据第一标签集，从P个预设课程集中确定出目标课程集，其中，P个预设课程集中每一预设课程集分别包括至少一个第一课程，每一预设课程集分别关联有一第二标签集，目标课程集为对应的第二标签集与第一标签集相匹配的预设课程集，P为大于1的整数；向第一用户推荐目标课程集所包括的第一课程。本发明实施例有效提升了课程推荐效果。
📄 202010565163X
📂 G06F16_9535
👤 湖南师范大学
📅 2020-06-19
本发明公开了基于自适应降噪训练的推荐方法、系统、电子设备及介质，涉及计算机技术领域，本发明在一个以图卷积神经网络为基础的推荐系统上，在训练阶段对损失函数做截断处理或重新加权处理，在模型的训练阶段自动地进行降噪处理。与现有技术相比而言，以往的推荐模型不考虑在训练阶段专门针对隐式反馈伴随的噪声问题进行处理；而本发明通过对损失函数进行截断或加权处理，以此来对打分函数进行优化处理，可以大大减少假阳性交互行给训练模型带来的噪声影响，不仅可以减少人工筛除假阳性交互行为的工作量，提升推荐的准确率，同时可缓解训练模型过早的出现过拟合现象。
📄 2021115065225
📂 G06F16_9535
👤 重庆邮电大学
📅 2021-12-10
本申请的目的是提供一种基于用户使用轨迹的推荐方法与设备。具体地，先获取一个或多个历史用户的历史使用轨迹；再获取当前用户的当前使用轨迹；根据所述当前使用轨迹在所述历史使用轨迹中进行匹配，得到关于推荐对象的匹配结果；然后基于所述匹配结果的路径深度，为对应的所述推荐对象赋予权重分，并根据所述推荐对象的权重分，对多个所述推荐对象进行优先级排序。与现有技术相比，本申请解决了在用户调用监控摄像头时推荐摄像头的问题。进一步地，所述推荐对象的权重分与对应的所述匹配结果的路径深度呈正相关关系。本申请在用户调用监控摄像头的场景中可以实现更好的推荐效果。
📄 2022107053822
📂 G06F16_9535
👤 上海芯翌智能科技有限公司
📅 2022-06-21
本发明公开了一种基于图神经网络与元数据的个性化服务推荐方法。通过对用户的历史服务交互记录以无向图的方式建模，该图表达了用户与服务的交互行为以及服务与服务、服务与其元数据之间的关系；图神经网络根据当前图中节点之间的连接关系，计算得到每个节点的特征表示向量；再使用线性变换、注意力机制等方法对不同类型的节点各自进行融合计算。本发明从服务、供应商、类别三个角度细化了用户选择服务时的主要动机并将用户的服务偏好发展趋势归纳为长期、短期以及动态三个部分，以应对用户偏好的多变性；元数据的引入丰富了服务的特征表示，能在冷启动以及数据稀疏的情况下，依旧实现关于服务的精确推荐。
📄 2022112333611
📂 G06Q30_0601
👤 杭州电子科技大学
📅 2022-10-10
本发明公开了一种基于显式和隐式兴趣特征的智能新闻推荐方法和系统，解决的技术问题为现有的新闻推荐方法无法识别显式和隐式兴趣特征，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：构建基于显式和隐式兴趣特征的新闻推荐模型：具体如下：S201、构建新闻编码器；S202、构建显式兴趣编码器、S203、构建词频‑逆向文件频率TF‑IDF算法模块；S204、构建隐式兴趣编码器；S205、构建图神经网络；S206、构建隐式兴趣解码器；S207、构建点击率预测器；S3、训练基于显式和隐式兴趣特征的新闻推荐模型。该系统包括训练数据集生成单元、基于显式和隐式兴趣特征的新闻推荐模型构建单元和模型训练单元。
📄 2023104129326
📂 G06F16_9535
👤 齐鲁工业大学(山东省科学院)
📅 2023-04-13
本申请涉及人工智能领域，更具体地，涉及一种基于多模态图卷积的在线服务推荐方法和系统，方法包括：获取历史平台数据；根据历史平台数据构建样本集；利用样本集对推荐模型进行训练：根据样本集获取用户、项目对齐数据；对用户、项目对齐数据分别卷积聚合后整合得到用户、项目整合数据；分别对用户、项目整合数据进行传播处理得到用户、项目传播数据；根据用户、项目传播数据融合各模态得到融合推荐得分；根据融合推荐得分对推荐模型迭代学习，获取训练好的推荐模型；获取实时平台数据；利用该推荐模型对实时平台数据进行处理，获取用户推荐列表推荐给用户。该方法能够有效利用多模态信息以及为稀疏交互补充信息而提升在线服务项目推荐的效果。
📄 2025106352040
📂 G06Q30_0601
👤 广东工业大学
📅 2025-05-16
本发明公开了一种基于信息增益的宽带电视用户推荐方法及装置，对目标客户属性进行泛化提取，获取目标客户属性特征并进行预处理，生成训练样本，根据属性特征的相关性和信息增益对训练样本中的属性特征进行降维处理；然后将训练样本输入到预设的多个分类模型，并进行交叉验证，选择出性能最优的分类模型；最后对选择出的分类模型进行参数调整，采用参数调整后的分类模型，对潜在客户进行预测，选择预测概率大于设定的概率阈值且活跃天数大于活跃阈值的潜在客户组成推荐客户群。本发明通过各个特征的信息增益水平来选取特征，过滤噪音数据，能较好的提升模型的预测能力。
📄 2021113344799
📂 G06Q30_01
👤 浙江工业大学
📅 2021-11-11
柿子坊 · 知识产权运营
柿子坊知识产权运营平台