公开(公告)号：CN118504610A

公开(公告)日：2024-08-16

申请号：CN202410659731.0

申请日：2024-05-27

Applicant: 安徽信息工程学院

Inventor： 王玉堂 ,  高迩倪 ,  陶朗 ,  何为

IPC: G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/213 ,  G06F18/24 ,  G06N3/084 ,  G06N5/022 ,  G06N5/04 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0455 ,  G06F18/25 ,  G06Q30/0601

Abstract: 本发明公开了一种基于用户行为模式识别的个性化对话生成方法，包括S1、收集用户与系统的交互数据，所述交互数据包括用户的浏览历史、搜索记录和购买行为；S2、使用数据挖掘技术分析交互数据，识别用户的行为模式，识别的行为模式包括用户的兴趣、偏好及行为习惯；S3、根据识别出的用户行为模式，使用序列到序列模型，结合长短期记忆网络和卷积神经网络，生成与用户偏好和当前情境高度相关的个性化对话内容；S4、引入动态上下文管理机制，根据用户的即时反馈和情境变化，实时调整生成的对话内容。本发明通过深度融合自然语言处理和深度学习技术，以及细致分析用户行为模式，提出了一种高度个性化的智能对话生成方法。

公开(公告)号：CN118468936A

公开(公告)日：2024-08-09

申请号：CN202410658872.0

申请日：2024-05-27

Applicant: 安徽信息工程学院

Inventor： 王玉堂 ,  何为 ,  高迩倪 ,  陶朗

IPC: G06N3/0455 ,  G06F40/30 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于上下文分析的长期序列依赖性模型优化方法及系统，包括S1、收集并对数据进行预处理；S2、使用Transformer模型对预处理后的序列数据进行多维度上下文分析，同时考虑时间维度、空间维度和语义维度；S3、采用自适应序列长度处理机制，根据序列数据的实际长度和复杂性动态调整Transformer模型的结构和参数；S4、采用SMOTE技术和基于注意力机制的数据采样策略，结合数据增强技术和不平衡数据处理方法；S5、采用混合正则化策略，结合L1、L2正则化和自定义的结构稀疏正则化方法进行最终的训练。本发明实现了对时间序列、空间序列和语义序列数据的深入分析和优化处理。