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
一种基于人群移动模式先验的兴趣点推荐方法，包括：(1)获取同一时空的城市交通数据、POI数据和用户签到数据，进行数据处理；(2)提取城市中的人群移动模式，设计下游任务对人群移动模式提取模块进行预训练；(3)在深层模型中加入步骤(2)中提取的人群移动模式先验特征；(4)把原始Wide&Deep模型的Wide部分更改为Cross网络，在线性模型部分加入特征交叉层；(5)连接步骤(3)中的Deep网络和步骤(4)中的Cross网络输出，将拼接向量输入到最后的单层感知机中，对最终的目标做拟合，输出用户j在兴趣点i签到的预测分数p。本发明的推荐结果更加符合人类出行意愿，解决了由大量充斥在社交网络上的推广信息给人们出行带来的选择困难问题。
📄 2022109521032
📂 G06F16_9535
👤 浙江工业大学
📅 2022-08-09
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
基于属性贡献度掩码的多源数据融合商品推荐方法，包括：1)通过网络收集对于商品的评论，包括图片，文字，视频；2)训练自编码器；3)提取降维数据；4)融合数据；5)训练深度模型；6)掩膜法计算权重；7)获得每个维度数据的权重，对于每个数据中每一维度的权重进行微调；8)对评分预测模型进行重训练，得到最终的评分预测模型；9)采用知识图谱的方式进行预测，利用老产品数据预测新产品数据；10)进行新老产品的评分预测，根据评分结果进行推荐。本发明提高了系统的准确性、系统输出的可信度。
📄 2022112242788
📂 G06Q30_0601
👤 浙江工业大学
📅 2022-10-08
本发明涉及一种基于异构图与同构图协同优化的多模态推荐方法及应用，对应每个模态分别构造用户‑物品异构图、物品‑物品同构图，以用户‑物品异构图对不同模态下的物品表征进行对齐及融合，基于不同模态的物品‑物品同构图生成模态融合的物品‑物品同构图；构建多模态推荐模型，以预处理后的数据进行训练，以训练后的多模态推荐模型实现内容推荐；应用于多模态推荐系统。本发明通过动态权重分配策略自适应融合用户对不同模态的偏好，显著提升用户和物品的表征质量，增强对稀疏交互数据的鲁棒性，最大化不同模态间的互信息，强制同一物品的多模态表征在映射后高度一致，有效缩小图像与文本等模态间的语义鸿沟，提升推荐结果的跨模态一致性。
📄 2025106785494
📂 G06Q30_0601
👤 浙江工业大学
📅 2025-05-26
基于随机锚点对选择的局部模型加权融合Top‑N电影推荐方法，利用电影文本数据通过LDA主题模型和GBDT梯度提升决策树得到用户和电影在语义层次的特征向量，然后基于该特征向量分别计算用户和电影的高斯核相似度，接着在原始数据集中随机选择多个<用户，电影>锚点对，并结合用户和电影的高斯核相似度为每个锚点对重新构造局部训练矩阵，再利用SLIM稀疏线性模型作为基本推荐模型为每个局部训练矩阵训练得到对应的局部推荐模型，最后通过局部推荐模型之间的加权融合生成最终的融合推荐模型。该推荐方法在数据稀疏的场景下也保持了模型的稳定性，能有效解决传统单一推荐模型在数据稀疏场景的极易发生过拟合的问题。
📄 2018104716409
📂 G06F16_783
👤 浙江工业大学
📅 2018-05-17
基于异构信息网络嵌入的Top‑K电影推荐方法，包括：步骤1.预处理数据：步骤2.嵌入学习异构信息网络；步骤3.在异构信息网络中传播信息；步骤4.聚合节点信息和边信息；步骤5.预测评分；步骤6.Top‑K评价。本发明对异构信息网络的学习进行改进，将节点之间的边显式的加入到学习过程中，并将改进后的学习方法应用到推荐任务中来，充分获取了电影数据中不同类型的节点之间的关系，和传统的同构网络相比，获取了更丰富的语义信息，和现有的异构信息网络学习方法相比，获取了边的信息，减少了学习过程中数据损失，提高了对异构信息网络中信息的利用率。
📄 2020113060203
📂 G06F16_9535
👤 浙江工业大学
📅 2020-11-20
一种基于情感分析的可解释推荐方法，包括：1)构建实际用户‑物品评分矩阵2)利用情感分析方法从评论中得到用户对物品的情感分数；3)根据步骤2)中提取的特征词集分别构建用户‑特征关注度矩阵和物品‑特征质量矩阵4)构建矩阵分解模型；5)对步骤4)中的模型进行训练；6)个性化推荐。本发明提高了效率，进一步解决了由于数据稀疏问题和推荐结果部分可能无法解释的问题，实现可解释推荐。
📄 2022113579750
📂 G06F16_9535
👤 浙江工业大学
📅 2022-11-01
本发明公开了一种基于多种实体关系的在线课程推荐方法，获取在线课程平台中各实体的数据，从各实体的数据中提取各实体关系，采用标准化来预处理各实体关系得到各实体关系权重，从各实体的数据中获得用户实体和课程概念实体的内容特征，得到不同元路径下的实体表示，最后结合用户实体表示和课程概念实体表示，最终输出用户对每个课程的评分矩阵，然后根据评分矩阵，从大到小排序，向用户推荐课程。本发明有效利用了不同实体关系之间丰富的信息，降低了数据稀疏性的问题，提高了预测的准确率。
📄 2021100536926
📂 G06N5_02
👤 浙江工业大学
📅 2021-01-15
柿子坊 · 知识产权运营
柿子坊知识产权运营平台