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层循环图卷积网络的跨域推荐方法，该方法设计了伪重叠判定机制，通过计算将用户移入所有邻居用户所在社区所产生的模块度增益，然后将用户移入使其获得最大模块度增益的社区，以实现社区集变换，进而得到最优社区网络，能够充分挖掘用户的信任关系以及相似用户社区，提高了聚类算法对跨域推荐的适应性，解决了聚类结果准确性不高问题，此外，多层循环图卷积网络模块在聚合节点嵌入时，以动态循环图结构代替传统图卷积中的固定图学习，通过这种方式聚合嵌入可充分利用不同域数据信息，从域内/域间角度考虑权重关系，增强模型的高阶连通性，并利用门控网络层聚合的组合特征向量，提高了数据利用率，缓解了数据稀疏问题。
📄 2024113982026
📂 G06F16_9535
👤 江西财经大学
📅 2024-10-09
本发明提出一种融合自注意力机制的多行为图对比学习推荐方法与系统，该方法包括，将行为嵌入组合到节点嵌入中，并通过自注意力机制捕获不同节点与各行为间的依赖关系，以获得更高质量的嵌入表示；将同一用户的行为视作正例对，不同用户的视作负例对建立多行为图对比学习；利用正兴趣节点嵌入表示与负兴趣节点嵌入表示进行互补嵌入图对比学习；最后以推荐任务作为主任务，并采用非采样策略计算损失，将多行为图对比学习与互补嵌入图对比学习作为辅助任务，联合优化总损失函数，训练完成后，输出最终的推荐结果。本发明同时建模辅助行为与目标行为间的关系，进而更好地捕捉不同用户的行为差异与共性，将其与推荐任务相结合可极大地提高模型性能。
📄 2024102426182
📂 G06F16_9535
👤 江西财经大学
📅 2024-03-04
本发明公开了一种基于生成对抗网络的社交推荐方法，通过元路径将复杂的异构图分解为两个简单的同质子图，能够充分发掘和利用蕴涵在无社交标签用户群体中的结构和语义信息，从而提升社交推荐的结果质量，然后通过图神经网络进行预训练得到联合嵌入向量，再通过直通式Gumbel‑Softmax将联合嵌入向量转换为用户独热向量和项目独热向量，能够确保社交推荐在反向传播过程中是可训练的，确定好生成对抗网络中生成器和判别器的损失函数后，将用户独热向量、项目独热向量、用户嵌入向量、项目嵌入向量分别输入至生成器和判别器，当生成对抗网络中的生成器和判别器之间实现平衡时，即得到了高质量的推荐结果。
📄 2024100164626
📂 G06F16_9536
👤 江西财经大学
📅 2024-01-05
本发明提出一种融合大语言模型与动态对话意图的家装设计师推荐方法，该方法首先构建用户意图训练语料和构建设计师履历训练语料，进而生成用户意图集合和设计师个人履历集合，然后基于用户意图集合与设计师个人履历集合生成用户历史对话图，再将用户历史对话图转化为用于大语言模型的自然语言上下文，再对自然语言上下文中的客户意图进行随机组合，并对设计师履历规范化，最后对MOSS对话推荐系统进行训练，通过训练后的MOSS对话推荐系统进行设计师推荐，本发明能够实现动态的、准确的设计师推荐。
📄 2023117164050
📂 G06F16_9535
👤 江西财经大学
📅 2023-12-14
本发明提出一种双分支信息协同增强的长尾推荐方法与系统，该方法包括：利用项目嵌入生成器学习用户完整项目序列表示与截断项目序列表示的信息差，并将学习到的知识转移到现有的尾部用户，利用用户嵌入生成器学习项目的完整序列表示与部分项目序列表示的信息差，并将学习到的知识转移到现有的尾部项目，将二者所学习到的知识进行互相传递，以相互增强；采用迭代的方式进行训练，训练完成后，将所得结果进行推荐操作。本发明用户部分和项目部分的两个分支分别负责缓解长尾用户和长尾项目问题，并将两分支信息融合，使其相互增强，旨在缓解尾部项目及用户的信息稀缺性，以更加丰富的信息为尾部用户及项目做出指导，提高推荐的准确性。
📄 2023115954702
📂 G06F16_9535
👤 江西财经大学
📅 2023-11-28
本发明提出一种融合层注意力机制的多视角图对比学习推荐方法与系统，该方法基于用户‑项目交互图，通过添加随机噪声扰动构建扰动增强视图，利用奇异值分解重构构建SVD增强视图，将两个增强视图进行增强视图对比学习；利用用户和候选项目的不同层嵌入间的关系，基于语义相似度选择对比学习对象的锚点和正负实例进行节点级对比学习，以构建候选节点对比学习和候选结构邻居对比学习；将不同视角下的不同对比学习作为辅助任务，推荐任务作为主任务，联合优化总损失函数，得到最终推荐结果。本发明通过建立多视角图对比学习来获取更高质量的节点嵌入，提升模型的泛化能力，并融合层注意力机制聚合最终节点嵌入以缓解过度平滑问题，提升推荐效果。
📄 202311399337X
📂 G06F16_9535
👤 江西财经大学
📅 2023-10-26
本发明公开一种基于推荐感知和协作边缘缓存的内容请求处理系统，包括网络信息获取模块、移动边缘缓存系统模型搭建模块、推荐列表生成模块、用户体验质量计算模块、请求处理策略生成模块；本发明综合考虑了终端的个性化需求，结合了“软缓存”这一观点，给出了对内容请求的最佳处理方式，同时通过对缓存友好的启发式算法确定对内容请求的最佳处理地点，很大程度上提高了用户的QoE(Qualityof Experience，体验质量)。
📄 2021105729164
📂 G06F16_9536
👤 重庆大学
📅 2021-05-25
本发明公开了一种用于图神经网络训练的单层增强负样本生成算法，涉及深度图神经网络训练领域，可应用于互联网推荐系统等应用场景，包括：考虑协同过滤推荐任务的节点信息传播和聚合特点以及GNN过平滑问题，将信息论中的信息扁平化理论结合到负样本生成策略，提出单层增强的负样本合成策略，只跟踪样本的最强特征或是与目标最相关的关联，同时关注数据稠密度与聚合嵌入之间的关系，对具有不同稠密度特征的数据集选择不同层数的单层聚合嵌入进行正负样本嵌入插值，生成构造负样本，减轻了推荐系统模型训练中的过拟合，提高了模型的泛化能力；本发明算法可以直接插入现有的基于GNN的推荐算法中改善模型训练，使模型性能指标显著提高，节省计算开销。
📄 202211491358X
📂 G06F16_9535
👤 成都理工大学
📅 2022-11-25
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
本公开提供一种虚拟空间渲染资源处理方法、装置、系统及设备，方法包括：接收客户端在虚拟空间中进行目标对象渲染时发送的渲染资源获取请求；根据渲染资源获取请求，获取与渲染资源获取请求匹配的目标渲染资源，目标渲染资源包括：缓存在渲染机本地的主包资源和/或从存储服务器获取的场景资源；存储服务器与至少一个渲染机通信连接并形成分布式存储架构，存储服务器存储有多个场景资源；利用目标渲染资源，对目标对象进行渲染处理，得到渲染处理结果，并将渲染处理结果返回客户端。本公开的方案可以通过中央化存储和分布式存储结合的方式，支撑大量用户的个性化存储数据。
📄 2023106776299
📂 G06F16_957
👤 北京万物镜像数据服务有限公司
📅 2023-06-08
本发明公开了一种基于解耦表征学习与图神经网络的服务推荐方法，以在线应用记录的用户交互日志为数据源，获取用户的完整历史交互序列以及对应类别序列，首先在个性化程度上分别捕获用户长期的稳定兴趣和短期的动态兴趣，然后利用服务类别信息捕获用户的从众兴趣。该方法针对基于隐式解耦表征学习的方法依赖于人工设置的潜在兴趣个数，难以适应不同应用场景，且没有考虑不同在线应用服务类别因素的问题，分别基于完整序列、最近序列和类别序列学习用户的长期兴趣、短期兴趣和从众兴趣，避免人工设置潜在兴趣个数的弊端，并考虑不同在线应用类别因素的影响，捕获用户的从众兴趣作为推荐结果可解释性的基础，帮助应用提供商有针对性的调整推荐策略。
📄 2022116349712
📂 G06F16_9535
👤 杭州电子科技大学
📅 2022-12-19
柿子坊 · 知识产权运营
柿子坊知识产权运营平台