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
本申请涉及叉车智能调度技术领域，尤其是涉及一种基于动态需求匹配的流动叉车租赁管理方法及系统，该方法包括：基于历史叉车租赁数据预测叉车租赁需求；根据预测的叉车租赁需求生成每一叉车站点的叉车安排计划；获取携带有用户需求信息的叉车租赁订单；基于用户需求信息依次扫描叉车站点，判断是否存在满足用户需求的站点叉车；若存在，则触发常规调度机制以生成调度方案；若不存在，则触发备选调度机制以分析在设定的地理位置范围内是否存在满足用户需求的在外叉车；若存在满足用户需求的在外叉车，则以此生成调度方案。本申请能自动化地进行叉车的分配和调度，以提高资源利用率、减少人工调度错误，灵活适应市场的动态变化，并利于监管。
📄 2023116642483
📂 G06Q30_0645
👤 新亿成科技(江苏)有限公司
📅 2023-12-06
已申报项目
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
本发明涉及一种融合商品流行度分析的在线用户偏好高满意度推荐方法，用于解决现有技术对象推荐的准确性和用户满意度较低的问题，包括：获取用户与对象的交互行为总量和用户对所述对象的交互行为的评价；将交互行为总量经过函数变换为对象流行度并输入推荐模型，获取高偏好用户和对象表征并通过运算获得对象推荐候选集；将划分为若干等级的对象输入推荐模型训练，获得高满意度的用户和对象表征；分别高偏好用户和对象表征与高满意度的用户表征和对象表征融合，获得高偏好且高满意度的用户表征和对象表征并进行点积运算得到用户对对象的高偏好且高满意度的预测分数，根据所述预测分数得到用户的对象推荐列表，提高了为用户推荐的准确率和满意度。
📄 2024110881184
📂 G06Q30_0601
👤 广东工业大学
📅 2024-08-09
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
一种融合用户行为信息的餐馆推荐方法，包括以下步骤：1)根据用户历史就餐数据，构建用户就餐行为序列网络；2)使用DeepWalk算法，对用户就餐行为序列网络节点进行表征学习；3)结合用户历史就餐行为，重构用户就餐行为成本特征；4)将用户评分数据与行为成本特征，并行地用于构建餐馆推荐模型。本发明根据用户历史就餐行为数据，重构餐饮用户的就餐行为成本特征，更合理地反映用户餐饮消费行为的个性化风格，为进一步构建用户餐馆推荐系统提供了坚实的数据质量基础。
📄 201810453562X
📂 G06Q30_06
👤 浙江工业大学
📅 2018-05-14
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
一种基于简化二维码标签识别的超市购物车的商品推荐系统，包括两大模块：图像部分模块，对图案标签的设计而言，设计一个图案用于识别，该图案具有定位码，用于锁定图案的位置以及判断图案的方向，对于定位码图像的定位与识别而言，通过定位图案，再生成轮廓树，进行解析其中的数据部分，得到数据并提取被标签商品的信息；商品推荐模块，根据识别结果，基于关联性、热度、价位的综合考虑对消费者进行商品推荐。本发明对倾斜或轻微扭曲的多标签具有较好识别效果，适用于购物车中存在重叠摆放的不同商品的应用场景。
📄 2019108852303
📂 G06Q30_06
👤 浙江工业大学
📅 2019-09-19
一种协同多样性和准确性的智能推荐方法，包含:加载包含用户与物品交互记录的数据集；初始化用户和物品嵌入，为每个用户和物品分配一个随机初始化的嵌入向量，维度为d；构建用户与物品的二部图，其中用户和物品作为节点，交互关系作为边；使用类别感知的邻居选择策略对节点的邻居进行筛选，生成类别平衡的邻居子集；使用轻量级图卷积网络对类别平衡的邻居子集进行信息聚合,使用分层动态注意力模块加权融合多层嵌入，平衡不同层级的信息，更新用户和物品嵌入向量；采用多任务联合训练策略，基于自适应的融合权重调整贝叶斯个性化损失，同时将主任务贝叶斯个性化损失和辅助任务对比学习结合起来训练优化；基于最终训练好的用户嵌入和物品嵌入，计算它们之间的内积得到用户对物品的评分，将推荐列表呈现给用户。
📄 2025100745629
📂 G06Q30_0601
👤 浙江工业大学
📅 2025-01-17
本发明公开了一种基于深度学习的短视频直播营销任务推荐方法，首先对输入用户的行为序列特征进行定义，然后设计出基于直播数据和用户行为数据的召回模型，用以召回拟推荐的直播营销任务，之后提出基于人口统计学特征和用户行为特征的排序模型用来对拟推荐任务排序，对于系统的冷启动问题，本发明也提供了通过余弦相似度计算的相关解决方案。本发明使用了基于深度学习的推荐模型结合协同过滤的思想对相关直播营销任务进行召回和排序，最终选取排序靠前的直播营销任务作为推荐序列进行精准推荐，将深度学习与推荐系统相结合，提高了推荐的精准度和用户的体验感，在营销推荐领域有重要意义。
📄 2022104753743
📂 G06Q30_0601
👤 浙江工业大学
📅 2022-04-29
一种基于采样重构对比学习的电商平台序列推荐方法，属于序列推荐系统领域；针对现有对比学习方法在生成负样本时易将具有相似用户兴趣的序列误认为负样本的问题，本发明提出通过计算序列间的相似度，识别并处理误判的假负样本；将实际相似但被误判为负样本的用户序列重新作为正样本参与对比学习损失的计算，从而避免错误拉大相似用户间的距离，提升对用户真实兴趣模式的捕捉能力。本发明在亚马逊电商平台公开数据集上的实验表明，与传统基线模型相比，显著提升了推荐性能，能够有效缓解数据稀疏和噪声问题，在实际应用中提供更加精准的推荐结果。
📄 2025100607116
📂 G06Q30_0601
👤 浙江工业大学
📅 2025-01-15
本发明公开了一种基于用户瞳孔反应的个性化商品优化推送方法和系统，该方法包括对采集的人眼图像进行瞳孔定位，获得瞳孔反应数据，计算瞳孔面积变化因子、瞳孔波动变化因子、瞳孔总变化的分离度、停留时长因子；引入用户综合兴趣度评判及其约束条件；计算用户对第i种商品区域内的商品兴趣度值；建立个性化商品推送模型及目标函数，利用蝙蝠优化算法对目标函数进行寻优，以优化个性化商品推送模型；利用个性化商品推送模型针对不同用户进行个性化商品优先推送。该系统包括数据采集模块、数据计算模块、商品推送分析模块。本发明解决了现有商品推送技术无法全面准确地反映用户的购物需求，导致部分用户对推送的信息不感兴趣的问题。
📄 2023112232193
📂 G06Q30_0601
👤 淮阴工学院
📅 2023-09-21
柿子坊 · 知识产权运营
柿子坊知识产权运营平台