-
公开(公告)号：CN110516165B
公开(公告)日：2022-09-06
申请号：CN201910802620.X
申请日：2019-08-28
Applicant: 安徽农业大学
IPC: G06F16/9536 , G06Q30/02
Abstract: 本发明公开了一种基于文本UGC的混合神经网络跨领域推荐方法，目标域特征提取模块根据用户和物品ID为用户和物品分别构建隐因子嵌入矩阵，得到目标域用户、物品的特征向量；所述的辅助域物品特征迁移模块通过模拟类因子分解机模型将用户在两域的特征进行对应位置相乘的交互运算，从而得到两域物品间的关联特征向量，将该向量与目标域用户、物品特征向量在模型顶层进行连接，得到最终的用户‑物品联合特征向量；最后进行Top N物品推荐。本发明为端到端的深度学习跨领域推荐方法，同时自动、高效地利用两域文本UGC，通过深度学习方法挖掘两域物品间的关联特征，可有效提高目标域的物品推荐精度及缓解数据稀疏和冷启动问题。
-
公开(公告)号：CN114841778A
公开(公告)日：2022-08-02
申请号：CN202210561717.8
申请日：2022-05-23
Applicant: 安徽农业大学
IPC: G06Q30/06 , G06F16/9535 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于动态图神经网络的商品推荐方法，其步骤包括：1、获取一个用户的历史行为序列，并按照等时间间隔分割为T个时间步的子序列，构建每个子序列的用户行为交互图；2、通过图注意力网络分别聚合每个时间步上用户行为交互图上节点的信息；3、构建生成对抗网络中的生成器G；4、构建生成对抗网络中的判别器D；5、获得每个物品节点被用户交互的可能性，并对物品进行降序排序，并选取前N个物品推荐给相应用户。本发明能捕获用户行为交互图的随时间的演化过程，从而能增强推荐性能。
-
公开(公告)号：CN112650929B
公开(公告)日：2022-05-03
申请号：CN202011614918.7
申请日：2020-12-31
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融入评论信息的图神经网络推荐方法，将用户评论文本作为节点信息的来源，使用BERT模型进行文本数据的特征提取工作，以得到每个节点的内容表述向量。再根据用户与物品的交互行为建立用户—物品二部图，通过在该二部图上搭建图神经网络聚合节点的一阶和三阶邻居信息，来学习用户和物品的结构表述，再将结构表述与内容表述相融合作为用户和物品的最终嵌入表示。最后，通过多层感知机MLP预测用户对各物品的交互概率。针对得到的预测结果，采用Top‑N排序，生成推荐物品列表。本发明能更精确捕捉用户偏好，找到用户的兴趣点，并对其进行更为准确有效的推荐。
-
公开(公告)号：CN112347362B
公开(公告)日：2022-05-03
申请号：CN202011283015.5
申请日：2020-11-16
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图自编码器的个性化推荐方法，利用用户与物品的交互行为，构建邻接矩阵，并对其进行归一化处理，使用图卷积网络进行卷积操作，获取节点的隐层表示；利用用户评论文本和物品描述文本作为节点信息的来源，得到每个节点的初始特征向量，再使用图注意力网络聚合邻居节点特征，更新节点信息；利用用户和物品的属性特征，构建全连接网络计算得到隐层特征；将隐层特征进行拼接得到新的节点信息，构建全连接网络，进行编码，使用双线性解码器重构用户对物品的评分作为预测评分，针对得到的预测评分采用Top‑N推荐生成推荐物品列表。本发明能更精确的帮助分析用户对物品的偏好程度，找到用户的关注点，从而进行更有效的推荐。
-
公开(公告)号：CN114357283A
公开(公告)日：2022-04-15
申请号：CN202111505740.7
申请日：2021-12-10
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06N3/04
Abstract: 本发明公开了一种基于评论和自注意力机制的推荐方法，通过利用用户和物品的交互行为分别获得用户与物品的表征矩阵，应用用户—评论的自注意力模块得到用户与评论之间的隐式关系，丰富用户的表征矩阵；将处理后的用户表征矩阵与物品表征矩阵拼接起来，并将其作为联合表征矩阵输入到全连接层中，经过计算得到用户对物品的预测评分；对预测评分进行降序排列，选取评分最高的N个商品进行推荐。本发明通过使用自注意力机制处理评论，使模型的性能优于现有的技术下的推荐模型，最终提高了真实环境下推荐物品的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113496259A
公开(公告)日：2021-10-12
申请号：CN202110725548.2
申请日：2021-06-29
Applicant: 安徽农业大学
Abstract: 本发明公开了一种融入标签信息的图神经网络推荐方法，包括以下步骤：步骤1、构建用户‑物品交互图以及物品‑物品关联图；步骤2、学习用户‑物品交互图中节点的特征表示；步骤3、学习所述物品‑物品关联图中节点的特征表示；步骤4、利用用户‑物品交互图中节点的特征表示、物品‑物品关联图中节点的特征表示构建多层感知机预测用户对物品的交互偏好值；步骤5、基交互偏好值向用户推荐物品。相较于使用单一交互数据的传统推荐方法，本发明能进行更合理更精确的推荐，并在一定程度上缓解物品冷启动问题。
-
公开(公告)号：CN111881260A
公开(公告)日：2020-11-03
申请号：CN202010761150.X
申请日：2020-07-31
Applicant: 安徽农业大学
Abstract: 本发明公开了基于方面注意力和卷积记忆神经网络情感分析方法及装置，所述方法包括：数据预处理得到文本数据集；获取字向量序列；提取句子特征作为文本卷积神经网络的输出向量；将若干字向量子序列输入到BGRU中提取文本上下文语义信息并将上下文语义信息融合作为提取文本序列信息；把文本卷积神经网络的输出向量和BGRU提取的文本序列信息进行拼接后输入到各个方面注意力模块进行后续情感分类并生成句子的整体表示向量；每个方面注意力模块获取待分类文本在每个情感类别上的概率并对特定方面的文本向量表示进行重构得到重构文本；构建损失函数，训练模型；本发明的优点在于：实现句子中不同方面同时进行情感极性分析，效率较高，计算量低。
-
公开(公告)号：CN109187552A
公开(公告)日：2019-01-11
申请号：CN201810999005.8
申请日：2018-08-30
Applicant: 安徽农业大学
IPC: G01N21/88
Abstract: 本发明属于农作物病害监测技术领域，具体涉及一种基于云模型的小麦赤霉病害等级判定方法，包括病害区域的提取、颜色特征的构造、生成小麦赤霉菌颜色特征云模型、建立综合评价模型以及评价模型的分析；利用小麦赤霉病在逐渐病变过程中，病害区域的颜色变化与小麦病穗率等级的关系，结合云模型三个数字特征得出病害区域的颜色特征云，利用云模型对小麦赤霉病等级实现非硬性划分，实现综合评价。
-
公开(公告)号：CN106777359A
公开(公告)日：2017-05-31
申请号：CN201710040092.X
申请日：2017-01-18
Applicant: 安徽农业大学
IPC: G06F17/30
CPC classification number: G06F16/3334 , G06F16/3346 , G06F16/9535
Abstract: 本发明公开了一种基于受限玻尔兹曼机的文本业务推荐方法，是通过输入业务需求描述，自动获取其相似信息，利用LDA主题模型提取主题，并结合RBM未知偏好主题预测模型得到用户的偏好主题，通过计算用户偏好主题和相应待推荐业务的主题相似度，进而为用户推荐，省去用户花费大量的时间去寻找需求业务及对各个业务进行决策分析的工作量。本发明能帮助用户过滤掉无效业务信息及对未知潜在偏好主题进行预测，从而能提供优质个性化的潜在业务信息。
-
公开(公告)号：CN106054598A
公开(公告)日：2016-10-26
申请号：CN201610297395.5
申请日：2016-05-05
Applicant: 安徽农业大学
CPC classification number: G05B13/042 , G05B11/42 , G05D1/021
Abstract: 本发明公开了一种机器人自适应转向单神经元PID控制方法，首先建立机器人转向系统的转向模型，然后构建RBF神经网络，最后构建PID控制系统。本发明针对机器人转向系统的机械结构及数学模型的特点，设计了基于RBF在线辨识的机器人转向单神经元PID控制，将RBF神经网络与单神经元PID控制相结合应用于非线性的机器人转向系统，既充分利用了RBF神经网络最佳逼近性能的特点和单神经元适应性强的优点，也克服了PID控制中学习算法的不足。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.03 seconds)
