专利名称：基于时空注意力机制的用户兴趣预测方法      申请号：2023106357346     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：个性化推荐 推荐算法 软件系统   相似专利 发布日：2024/12/27  
摘要： 本发明公开的基于时空注意力机制的用户兴趣预测方法，包括获取用户信息和时空信息并进行预处理；获取用户访问记录之间的时间间隔和空间间隔，进而分别得到用户访问记录的时间关系和空间关系矩阵；采用时空注意力机制对时间关系和空间关系矩阵进行嵌入表示，得到融合时空特征的用户轨迹表示序列；通过softmax函数判断用户轨迹表示序列，计算权重得分来对用户兴趣进行预测。本发明的基于时空注意力机制的用户兴趣预测方法，通过双层时空注意力考虑时空间隔差异对用户兴趣所造成的影响，能够有效表征基于用户时空行为的真实兴趣偏好，从而有效提升了用户兴趣预测的准确度。

专利名称：基于知识图谱的大学计算机基础习题推荐方法      申请号：2020101328470     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：个性化推荐 教育   相似专利 发布日：2025/02/10  
摘要： 本发明公开了一种基于知识图谱的大学计算机基础习题推荐方法，基于大学计算机基础知识点构建的知识图谱，使用图团体检测算法从知识点之间的关系结构上分析知识点间的关联性，从而推荐与学生错误知识点关联性较高的知识点给学生进行学习；通过中文分词提取习题语义特征构建word2vec模型，使用RWMD方法计算学生的错题与其他习题在内容上的相似度，选取相似度高的习题进行推荐。通过分析学生的错题为学生推荐相应的知识点和习题，可以帮助学生尽快扫除知识盲点，更好地掌握大学计算机基础这门课，同时也减轻了任课教师的压力。

专利名称：一种融合信任因素的个性化推荐模型及构建方法      申请号：2021107010574     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 个性化推荐   相似专利 发布日：2023/10/23  
摘要： 本发明公开一种融合信任因素的个性化推荐模型的构建方法，包括为计算用户相似度，构建用户‑产品评分矩阵，并在此基础上利用Pearson相关系数初步计算评分相似度；运用信任度量模型计算用户之间的信任相似度；设定参数值将两种相似度融合得到最终相似度计算公式；通过模拟退火算法计算最优参数组合；利用融合后的相似度计算公式得出目标用户的近邻用户，然后代入评分计算公式得出目标用户对某项产品的预测评分，根据评分高低进行排序推荐，即实现TOP‑N推荐。通过将信任因素加入到基于用户的推荐算法中，可以提高为用户推荐关联商品的准确度，从而更高效地帮助用户购买到自己所需要的商品或者获得所需要的信息，提高用户满意度，节省用户的时间和精力。

专利名称：一种推荐方法      申请号：2018109993677     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：个性化推荐 兴趣挖掘   相似专利 发布日：2025/02/10  
摘要： 一种推荐方法，包括如下步骤：S100：使用词嵌入单元将关于用户和项目的自然语言形式的文本转化为数值型的训练数据；S200：采用注意力机制在所述训练数据中增加用户与项目的相互影响力；S300：采用基于注意力机制的卷积神经网络模型提取训练数据的局部特征和核心特征，最终得出可以表达全局的特征的隐藏特征；S400：使用因子分解机对上述隐藏特征进行分析，得到用户与项目的关联，据所述关联完成用户对项目的评分预测，最终完成向用户推荐项目。该方法相较于现有方法，提高了推荐的精度和准确度，提高了数据利用率。

专利名称：一种基于层次注意力机制的POI推荐方法      申请号：2019109905774     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：个性化推荐 信息处理 地理位置 场所信息推荐   相似专利 发布日：2025/02/10  
摘要： 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。

专利名称：一种面向大规模用户的网络电视个性化推荐服务方法      申请号：2018102935045     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 服务 个性化推荐   相似专利 发布日：2023/10/17  
摘要： 本发明提供了一种面向大规模用户的网络电视个性化推荐服务方法，利用大规模用户及用户属性和行为等数据，实现基于大数据的用户画像建模，并且通过提取时间、地点、天气等情景信息，构建基于大数据的上下文建模。离线计算阶段，通过用户、物品双聚类解决算法可扩展性的问题，并结合矩阵分解、协同过滤等技术训练模型及拟合参数；在线计算阶段，设计基于二次矩阵抽样的增量计算推荐模型，利用新增加的交互数据，实现实时在线推荐。最终，融合离线阶段和在线阶段模型的推荐结果，形成初始的Top‑K推荐列表，再利用基于上下文建模中的信息完成上下文过滤，形成最终的Top‑N推荐列表，提高面向大规模用户的网络电视个性化推荐精度。

专利名称：根据用户兴趣点/关注点进行个性化推荐的方法和系统      申请号：2013103046712     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 个性化推荐   相似专利 发布日：2023/08/14  
摘要： 提供了一种根据用户兴趣点/关注点进行个性化推荐的方法和系统。所述方法包括：(a)整合用户在多个产品线上的在预定时间段内的用户行为日志；(b)针对用户在预定时间段内的行为日志进行会话划分；(c)对划分的会话的用户行为日志进行同类需求行为信息整合并且挖掘用户关注点/兴趣点；(d)根据挖掘出的用户兴趣点/关注点通过推荐排序模型展示针对用户兴趣点/关注点的个性化推荐。

专利名称：基于群智感知的旅游路线个性化推荐方法      申请号：2018104555750     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：户外 个性化推荐   相似专利 发布日：2024/03/07  
摘要： 本发明揭示了一种基于群智感知的旅游路线个性化推荐方法,该方法在用户兴趣匹配的基础上，融入群智感知的POI社交评分以及群智感知的POI区位评分，使得评分细则更加全面。此外，提出的适用于无必去景点的景点推荐算法，即变近邻旅游路线推荐算法以及适用于含有必去景点的单/多POI类型两段式贪心旅游路线推荐算法不仅时间复杂度低，并且更加符合用户的偏好以及更具合理性。

专利名称：一种基于动态临近点谱聚类的个性化推荐方法      申请号：2017109446558     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 个性化推荐   相似专利 发布日：2021/07/01  
摘要： 一种基于动态临近点谱聚类的个性化推荐方法，依据用户的签到信息建立用户-商店的二分网络；将用户-商店的二分网络投影到用户-用户与商店-商店的两个单边网络，利用node2vec算法将两个加权的单边网络投影至两个不同的向量空间中；调用基于动态临近点的谱聚类算法分别对以上所得的用户向量与商店向量进行聚类，得到多个用户簇和商店簇；将单个用户之间存在的签到信息转换成用户簇与商店簇之间的簇网络；利用K-means算法将该一维向量进行划分成两个类，签到个数均值较多的类内的商店簇推荐给该用户簇；依据每个用户簇与所推荐的商店簇进行个性化推荐。本发明有效的提高了推荐方法的准确率。