本发明提出了一种基于开源软件邮件网络的角色推荐方法，包括以下步骤：S1：根据开源软件项目的邮件数据，构建无向有权网络；S2：对S1中构建的网络随机删除部分连边作为测试样本，将删除连边后的网络中剩余的连边作为训练样本并构建动态序列切片网络；S3：在动态序列切片网络上采用时序有偏游走算法生成每个节点的特征，再通过对两两节点的特征求均值得到连边的特征；S4：采用逻辑回归分类器对训练样本进行学习，并对测试样本进行预测。本发明能够有效地在开源软件项目中进行角色推荐，相比未考虑开源软件项目中邮件的时序信息和角色信息的算法，显著的提高了推荐的准确率。
📄 2020112655442
📂 G06F16_9536
👤 浙江工业大学
📅 2020-11-13
一种基于用户历史消费数据的商家推荐方法，包括以下步骤：步骤1、用户设定搜索半径r，搜索关键词；步骤2、设备获取用户位置P0，并以周期T将关键词、r和P0发送给服务器；步骤3、根据P0搜索附近商家，得到附近半径r范围内的商家列表Lin；步骤4、选择Lin中第一个商家m；步骤5、如果m不存在，前往步骤6，否则计算m评分的平均分；步骤6、服务器根据计算的平均分从高到低排序输出的列表Lout，并将Lout返回给设备，结束。本方法提高综合评分的有效性，对于准确查找优质商家具有重大意义。
📄 2018112551499
📂 G06F16_9535
👤 浙江工业大学之江学院
📅 2018-10-26
本发明公开了一种面向推荐系统评测的无数据推荐模型建模方法和装置，所述方法包括：S1:构建生成器G，用以生成虚拟推荐数据；S2:构建克隆模型C，用于学习目标推荐系统的推荐机制；S3:进行协同优化，调整生成器G和克隆模型C的参数；S4:根据评测方案对S3步骤中优化获得的代理模型进行评测。本发明针对无数据推荐系统建模问题利用基于生成器‑代理模型的协同优化框架，有效解决了无数据和模型黑盒难点。
📄 2024119264325
📂 G06F16_9535
👤 浙江工业大学
📅 2024-12-25
一种基于层次注意力机制的POI推荐方法，所述方法包括如下步骤：S100：设计基于LSTM的解码器‑编码器的显式特征提取模型，用于从结构化数据中提取显式特征；S200：设计基于NLP的注意力机制的隐式特征提取模型，用于从非结构化数据中提取隐式特征；S300：使用文本相似度计算用户‑POI匹配度；S400：使用softmax函数从所述显式特征和所述隐式特征中预测出初步POI推荐列表，再使用所述用户‑POI匹配度微调该初步POI推荐列表，得到最终POI推荐列表作为预测结果。该方法相较于现有方法，提升数据利用率和推荐精度。
📄 2019109905774
📂 G06F16_9537
👤 陕西师范大学
📅 2019-10-17
本发明公开了攻击环境下的强鲁棒性项目推荐方法、系统、设备及介质，将用户对项目的一维评级向量转化为二维评级矩阵；对二维评级矩阵中的空值进行预测填充得到非稀疏评级矩阵；将非稀疏评级矩阵描述为用户评级矩阵与项目评级的评级矩阵；基于用户评级矩阵和项目评级矩阵，学习到基于评级的用户表示和基于评级的项目表示；根据基于评级的用户表示和基于评级的项目表示，获取评级预测矩阵；根据评级预测矩阵与真实评级之间的误差、基于评级的用户表示和用户嵌入ID，得到用户被检测为攻击用户的概率；将概率加入到评级预测的损失训练中以控制攻击用户对评级预测的贡献比重，得到用户评级预测结果；根据用户评级预测结果，生成项目推荐列表。
📄 2020112994259
📂 G06Q10_06
👤 山东师范大学
📅 2020-11-19
本发明公开了一种基于KNN和词嵌入的混合音乐推荐方法、系统及设备，方法主要通过KNN算法和word2vec模型中的Skip‑Gram算法，推荐用户所喜爱的歌曲。其方法包括：获取用户的信息及用户喜爱音乐列表；根据用户播放记录计算，得到歌曲播放系数；通过KNN计算歌曲相似度，得到相似歌曲的歌单；使用Skip‑Gram方法，从相似歌单中计算出相似歌曲；最后根据用户的兴趣偏好和歌曲热度，设置兴趣衰减因子和歌曲热度因子，以此来调整推荐权值并完成推荐，从而获取最佳推荐性能；通过KNN算法和word2vec模型的Skip‑Gram算法进行混合推荐，有助于提高推荐准确性；利用兴趣衰减因子和歌曲热度因子，能够依据用户兴趣偏好和歌曲热度的变化，快速地调整要推荐的歌曲，提高推荐的多样性。
📄 2021101203713
📂 G06F16_635
👤 陕西师范大学
📅 2021-01-28
本发明涉及一种信息推荐的装置、方法及计算机可读存储介质，信息推荐的装置包括存储器及处理器，存储器中存储有信息推荐的系统，信息推荐的系统被处理器执行时实现：在向用户推荐目标对象前，根据预定的目标对象与近似对象的映射关系确定目标对象对应的近似对象，并将目标对象和所确定的近似对象均作为待分析对象；从预定的数据源中获取各个用户在预设时间内对待分析对象所做的评价数据，根据预定的分析规则分析各个待分析对象的评价数据，得到各个待分析对象对应的正向标签值；若正向标签值大于等于预设阈值，则根据预定的推荐算法确定是否将该目标对象推荐给该用户；若是，则向用户推荐目标对象。本发明能够准确地向用户推荐个性化信息。
📄 2017107154521
📂 G06F16_9535
👤 平安科技(深圳)有限公司
📅 2017-08-20
本发明涉及大数据分析技术领域，提供一种基于搜索内容的课程推荐方法、装置、计算机设备及介质，包括：根据搜索内容提取出多个热词；针对每个热词，获取包含热词的目标搜索内容并提取目标搜索内容的搜索文本向量；对同一热词对应的多个搜索文本向量进行聚类并确定每类的核心搜索内容；根据搜索内容引发的点击次数从多类的核心搜索内容中识别出用户满意的核心搜索内容和用户不满意的核心搜索内容；根据搜索内容引发的点击内容过滤出用户满意的核心搜索内容中的假性满意的核心搜索内容；根据用户不满意的核心搜索内容及假性满意的核心搜索内容进行课程推荐。本发明能够结合用户的搜索内容和点击内容共同为用户推荐课程，课程推荐准确度高。
📄 2021100007532
📂 G06F16_33
👤 平安科技(深圳)有限公司
📅 2021-01-04
本发明提供了融合时间信息的自注意力序列推荐方法、系统及设备，方法包括：构建融合时间信息的自注意力序列推荐模型；利用数据集中用户的历史交互序列，对所述推荐模型进行训练，得到训练好的序列推荐模型；获取待推荐用户的历史交互序列，并将所述待推荐用户的历史交互序列输入至训练好的融合时间信息的自注意力序列推荐模型中，获得目标推荐商品并推荐给用户。本发明采用融合时间信息的自注意力序列推荐方法，通过将时间间隔信息的嵌入与商品嵌入进行连接形成带有时间信息的商品嵌入，以及通过序列推荐模型中的多个自注意力块进行多重注意力计算，从而从根源上解决了现有的基于序列推荐方法的商品推荐准确性低、用户满意度低的问题。
📄 2022109735258
📂 G06Q30_0601
👤 重庆大学
📅 2022-08-15
本发明公开一种云API高阶互补推荐方法、装置及介质，涉及智能软件工程技术领域。该方法包括：构建云API共同调用关系图、功能共现关系图和替补关系图；设计四种逻辑算子；生成查询云API的嵌入向量；利用共同调用关系图和逻辑算子得到云API查询集和候选云API强互补关系概率；利用功能共现关系图和逻辑算子得到云API查询集和候选云API弱互补关系概率；利用替补关系图和逻辑算子得到云API查询集和候选云API非替补关系概率；利用逻辑算子得到兼顾强弱互补关系并消解替补关系的高阶互补概率；按高阶互补概率从大到小对候选云API排序得到推荐列表。本发明可有效兼顾云API查询集和候选云API间的强弱互补关系并消解替补关系的影响。
📄 2025101957189
📂 G06F8_20
👤 燕山大学
📅 2025-02-21
针对用户兴趣漂移的关联性信息增强推荐方法、计算机设备、存储介质和程序产品，属于数据推荐技术领域，解决现有针对用户兴趣漂移的推荐准确性低问题。本发明的方法包括：首先，提出了一个关联性信息增强模块，可以自适应的从用户的邻居会话中挖掘出与用户新兴趣相关联的信息作为用户会话的补充，来增强用户会话与新兴趣之间的关联性，从而提高模型的预测能力。其次，提出了一个新的注意力单元，它通过将两个向量之间的差异信息进行显式建模，有效的从邻居中挖掘出与用户新兴趣相关联的信息。本发明适用于用户兴趣推荐。
📄 2022113897753
📂 G06F16_9536
👤 黑龙江大学
📅 2022-11-08
本发明公开了基于知识增强和注意力机制的新闻推荐方法及系统，方法包括：获取用户对新闻链接的历史点击数据；获取候选新闻数据；将历史点击数据和候选新闻数据，均输入到训练后的新闻推荐模型中，得到为用户个性化推荐的新闻数据；新闻推荐模型，基于用户对若干个新闻链接的历史点击数据构建出若干个用户兴趣表示；将所有的用户兴趣表示均与每个候选新闻数据进行匹配，得到匹配结果；使用不同权重对所有的用户兴趣表示进行聚合，得到聚合结果；基于匹配结果和聚合结果得到用户感兴趣新闻的特征向量；将用户感兴趣新闻的特征向量与候选新闻的特征向量进行拼接，对拼接结果进行预测，得到推荐的候选新闻；将结果推荐给用户。
📄 2022104217411
📂 G06F16_9535
👤 齐鲁工业大学(山东省科学院)
📅 2022-04-21
柿子坊 · 知识产权运营
柿子坊知识产权运营平台