-
公开(公告)号：CN119293404A
公开(公告)日：2025-01-10
申请号：CN202411318539.1
申请日：2024-09-20
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/214 , G06F18/213 , G06F16/9535
Abstract: 本发明公开一种用户兴趣预测方法和装置、系统、存储介质，包括：步骤S1、获取用户的历史互动数据；步骤S2、根据用户的历史互动数据，将处于欧几里得空间的表征映射至不同的几何空间；步骤S3、对不同空间中的物品嵌入进行扩散去偏，得到不同空间去偏后的用户表征；步骤S4、将不同空间中的用户表征映射回欧式空间进行重构和匹配，得到用户的实际兴趣。采用本发明的技术方案，从而能够更精确地预测用户的兴趣和偏好。
-
公开(公告)号：CN111881363B
公开(公告)日：2024-06-25
申请号：CN202010578943.8
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9536 , G06Q30/0601 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 一种基于图交互网络的推荐方法应用于用户个性化推荐领域。互联网产业的快速发展以及网络数据量的持续增长，传统的推荐方法和深度学习方法难以满足复杂的应用环境，在准确率和空间复杂度方面存在着不足。因此本发明提出了一种基于图交互网络的推荐方法，采用该方案可以保证个性化推荐准确率的同时，降低模型空间复杂度，有着广阔的应用前景。
-
公开(公告)号：CN117829950A
公开(公告)日：2024-04-05
申请号：CN202311773521.6
申请日：2023-12-22
Applicant: 北京工业大学 , 内蒙航天动力机械测试所
IPC: G06Q30/0601 , G06F16/9535 , G06N3/0455 , G06N5/04
Abstract: 本发明公开了一种基于用户个性化反馈的生成式推荐系统及方法。首先这种推荐方法在基于检索的推荐基础上增添了人工智能生成内容(AIGC)环节。AIGC环节主要由两个组件组成：AI指导器和AI生成器。AI指导器通过用户的反馈行为判断是否需要启动AI生成器，如需启动，AI生成器与用户多次交互，将生成指导信号传递给AI生成器。AI生成器根据指导信号、用户个性化需求、事实，生成针对该用户的个性化物品。生成的物品既可以直接推荐给用户也可以放入物品语料库中，与原有语料库中物品同推荐给其他用户。针对于上述方法，我们利用公开电商平台数据集分别进行训练、测试以优化模型的性能，验证该方法的有效性。
-
公开(公告)号：CN113407834A
公开(公告)日：2021-09-17
申请号：CN202110674480.X
申请日：2021-06-18
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/36 , G06Q30/06 , G06K9/62
Abstract: 本发明公开了一种基于知识图谱辅助的用户多维度兴趣抽取方法。准确的用户兴趣表达是提升推荐性能的关键点之一，现有的推荐算法大多是采用一个单一的、混合的向量表示用户兴趣，并不能从多个维度来表达用户兴趣，这种对用户兴趣统一建模的方法忽略了隐向量中的纠缠，容易得到次优的用户兴趣表达，同时也缺乏一定的可解释性。然而，由于交互数据的稀疏性问题，在历史交互数据中学习用户的多维度兴趣表达是非常有难度的，目前相关的研究较少。本发明设计了一个知识图谱辅助的用户多维度兴趣抽取网络，可以得到多维度的用户兴趣表达，同时提供一定的可解释性。我们在音乐和书籍的数据集上验证了该方法的有效性。
-
公开(公告)号：CN109062995B
公开(公告)日：2021-07-30
申请号：CN201810727069.2
申请日：2018-07-05
Applicant: 北京工业大学
IPC: G06F16/9535 , H04L12/58 , H04L29/08
Abstract: 一种社交策展网络上画板(Board)封面的个性化推荐算法涉及智能媒体计算和大数据分析技术领域。本发明基于社交策展网站花瓣网，利用了花瓣网中的多模态数据，设计了一种个性化的画板封面推荐算法，在对采集进行多模态表示后，通过聚类算法将采集向量进行无监督聚类，并选出最靠近模型聚类中心的采集作为画板的新封面。本发明的提出，填补了当前社交策展网络中的功能空缺。
-
Patent Agency Ranking
公开(公告)号：CN110348364B
公开(公告)日：2021-07-02
申请号：CN201910604999.3
申请日：2019-07-05
Applicant: 北京工业大学
Abstract: 一种无监督聚类与时空域深度网络相结合的篮球视频群体行为识别方法属于篮球视频中的语义事件自动识别领域。该方案首先利用光流估计方法，从连续视频帧中获得运动场属性。然后提取运动特征直方图(MCH)作为运动场表征的描述符。随后，提出了一种基于聚类的运动场标签生成方法。将聚类后生成的标签代替原本定义的组活动标签作为运动场的监督信号来训练CNN模型，可以更有效地表示运动场的特征。最后，将CNN模型的输出特征输入到LSTM结构中进行语义事件识别。此发明对篮球视频数据智能化管理、篮球技战术分析和自动转播等应用奠定了基础。
-
公开(公告)号：CN108804650B
公开(公告)日：2021-07-02
申请号：CN201810578350.4
申请日：2018-06-07
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/51 , G06K9/62
Abstract: 一种基于模块化的流形排序的图像推荐方法涉及智能媒体计算和大数据分析技术领域。本发明首先利用CNN网络提取图片特征，根据图片特征计算图片之间的相似性，构造拓扑关系图。利用模块化的方法将所有图片分到多个子流形上，单独对子流形进行学习。对于每一个子流形，结合已有的用户图片关系和图片之间的关系，得到子流形上的图片与所有用户之间的关系，根据子流形上的关系用户图像相关性得到用于图像推荐的全局流形中的用户图像相关性。采取局部流形的策略，降低面向大规模数据的计算难度，实现基于流形排序的社交多媒体相关度计算。根据每一张图片和所有用户之间的相关度排序，给每个用户生成推荐列表。
-
公开(公告)号：CN112508998A
公开(公告)日：2021-03-16
申请号：CN202011256300.8
申请日：2020-11-11
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于全局运动的视觉目标对齐方法，为了使冰壶项目运动员的训练更为科技化，能够更好的观察冰壶完整的运动路径。本方法通过分析冰壶运动视频可以获得视频中冰壶的跟踪数据，并且通过计算可以得到相机镜头的运动，用该运动对视频中的场地进行还原处理，进而得到冰壶场地的运动数据。将场地运动数据和冰壶跟踪数据相结合，最后计算得到完整的冰壶运动轨迹，输出可视化结果。通过测试验证了该方法的可行性，具有重要应用价值。
-
公开(公告)号：CN110765921A
公开(公告)日：2020-02-07
申请号：CN201910994258.0
申请日：2019-10-18
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于弱监督学习和视频时空特征的视频物体定位方法。该方法仅以视频段和视频段描述作为输入来定位描述中物体在视频中的位置，解决了现有方法需要大量边框标注的问题。同时本方法引入了候选框的时空关联并设计了一种多特征关系度量网络，解决了度量学习中多模态关系表达问题。该方法先对视频段分帧，用训练好的目标检测网络对每一帧提候选框，再对视频段描述进行实体解析，然后提取候选框和定位物体的特征，并用时空关联捕获模块得到候选框关联，最后将这些特征输入多特征关系度量网络得到候选框与物体的匹配度。该方法旨在减少人工标注成本，提高定位精度，并通过测试验证了方法的可行性，具有重要应用价值。
-
公开(公告)号：CN110008367A
公开(公告)日：2019-07-12
申请号：CN201910203258.4
申请日：2019-03-18
Applicant: 北京工业大学
IPC: G06F16/583
Abstract: 一种基于多模态协同的流形传播的图像推荐方法涉及智能媒体计算和大数据分析技术领域，特别是涉及一种图片推荐方法。我们根据用户流形学习学到的相关度生成一定数量的候选集，保证选取的图片在全局上是合理的，根据图片流形学到的相关度推荐候选集中跟用户相关度高的图片。这就使得推荐的图片在全局分布合理的情况下可以结合更多的局部信息，保证推荐的图片在细节上的合理性。可以给用户推荐到用户关系比较大并且跟用户喜欢的图片更相似的图片。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.154 seconds)
