公开(公告)号：CN117271808A

公开(公告)日：2023-12-22

申请号：CN202311351239.9

申请日：2023-10-18

Applicant: 合肥工业大学 ,  安徽无攸科技有限公司

Inventor： 吴乐 ,  杨永晖 ,  张琨 ,  洪日昌 ,  汪萌 ,  周海林 ,  程文正

IPC: G06F16/435 ,  G06F18/10 ,  G06F18/2134 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种基于信息瓶颈去噪的多媒体推荐方法，包括：1.构造异构数据：用户对产品的交互矩阵，产品的多媒体内容数据；2.使用预训练模型提取产品多媒体内容特征；3.根据多媒体内容特征构造产品关联矩阵；4.基于深度图神经模型学习用户和产品表征矩阵；5.基于信息瓶颈理论最小化多媒体内容与其表征之间的互信息，计算损失函数；6.基于用户和产品表征矩阵重构交互矩阵，计算损失函数；7.联合步骤5‑6的损失函数进行多任务学习，更新模型参数至模型收敛。本发明基于信息瓶颈的思想，在满足推荐任务的需求下学习最少的多媒体内容信息，可以有效的去除多媒体内容中的冗余信息，从而能实现更加精准的多媒体推荐。

公开(公告)号：CN116432643A

公开(公告)日：2023-07-14

申请号：CN202310455865.6

申请日：2023-04-25

Applicant: 合肥工业大学

Inventor： 张琨 ,  张大操 ,  吴乐 ,  汪萌

IPC: G06F40/289 ,  G06F18/24 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种针对情境感知的自然语言推理任务的因果去偏方法，其步骤包括：1，建立基于情境感知的自然语言推理任务的因果图和深度神经网络模型；2，建立基于对比损失和交叉熵损失的混合损失函数；3，在公开多模态数据集上训练建立的深度神经网络模型；4，构建基于情境感知的自然语言推理无偏数据集，利用建立好的网络模型在有偏和无偏数据集上进行推理。本发明能够有效去除文本中的偏差，从而能实现更高精度的推理关系预测。

公开(公告)号：CN116010718A

公开(公告)日：2023-04-25

申请号：CN202310036773.4

申请日：2023-01-10

Applicant: 合肥工业大学

Inventor： 吴乐 ,  赵宸 ,  邵鹏阳 ,  张琨 ,  汪萌 ,  洪日昌

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/042 ,  G06Q30/0601

Abstract: 本发明公开了一种基于互信息解耦的公平个性化推荐方法、设备及存储介质，该方法的步骤包括：1.构造原始数据，包括：用户对产品的评分矩阵，用户敏感属性矩阵；2.构成敏感嵌入网络学习用户与产品的敏感嵌入，包括：有偏独热编码层、敏感信息编码器、敏感属性预测层；3.构建混合嵌入网络学习用户与产品的混合嵌入，包括：混合独热编码层，混合信息编码器与偏好预测层；4.构建无敏感嵌入网络，学习用户与产品的无敏感嵌入，包括无偏独热编码层、互信息下界优化层，互信息上界优化层。本发明通过对嵌入向量施加双重互信息公平约束，在改善推荐系统公平性的同时，保证了推荐准确性。

公开(公告)号：CN115510286A

公开(公告)日：2022-12-23

申请号：CN202211389531.5

申请日：2022-11-08

Applicant: 合肥工业大学

Inventor： 张琨 ,  吴开放 ,  杨永辉 ,  吴乐

IPC: G06F16/901 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/02 ,  G06Q50/20

Abstract: 本发明公开了一种基于图卷积网络的多关系认知诊断方法，包括：1.构造异构数据：学生的历史答题记录矩阵，习题与知识点的关联矩阵，学生与知识点交互矩阵；2.利用图卷积分别对学生的不同的答题结果进行特征传播；并通过图对比学习缓解将学生答题记录划分对错导致的数据稀疏性问题；3.利用注意力机制建模学生与知识点的交互关系以及习题与知识点的包含关系；4.融合上述两个模块获取的不同表征，然后通过神经认知诊断模型来预测学生的表现。本发明充分挖掘学生的不同的答题结果对于学生的能力的影响，并从两种角度建模学生对于不同知识点的掌握情况，从而实现更加准确的学生表现预测以及学生在具体知识点的掌握程度。

公开(公告)号：CN114936890A

公开(公告)日：2022-08-23

申请号：CN202210345565.8

申请日：2022-03-31

Applicant: 合肥工业大学

Inventor： 吴乐 ,  邵鹏阳 ,  张琨 ,  连德富 ,  洪日昌 ,  李勇 ,  汪萌

IPC: G06Q30/06 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于逆倾向加权方法的反事实公平的推荐方法，包括：1.利用用户和产品的交互记录构建评分矩阵，利用用户的二值敏感属性构建敏感属性矩阵；2.提出推荐的反事实公平性定义；3.预训练推荐模型，获得用户和产品的表征；4.通过图卷积方式进行特征传播，构建特征到敏感属性的分类器；5.提出基于图的自监督学习正则化项；6.固定分类器参数，获得针对敏感属性取值的倾向分数；7.通过逆倾向加权技术构建推荐的损失函数，更新模型参数。本发明从因果影响估计的角度出发，避免从交互数据中构建因果图，以实现推荐的反事实公平性，同时兼顾推荐的准确度，保证推荐内容的质量，为促进推荐的公平性研究提供了有利基础。

公开(公告)号：CN114880583A

公开(公告)日：2022-08-09

申请号：CN202210511621.0

申请日：2022-05-11

Applicant: 合肥工业大学

Inventor： 吴乐 ,  罗苏常 ,  杨永晖 ,  张琨 ,  孙培杰 ,  洪日昌 ,  张志强 ,  周俊

IPC: G06F16/9536 ,  G06Q30/06 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督学习的跨域社交产品推荐方法，包括：1.构造异构数据：用户对产品的评分矩阵、用户与用户之间的社交关系矩阵；2.通过异构图构造层对异构数据处理得到用户‑用户‑产品的异构图网络；3.通过独热编码层得到用户协同矩阵、产品协同矩阵；4.通过图卷积层进行特征传播；5.构造节点特征聚合层；6.构造节点预测层进行产品推荐；7.构建自监督学习层对节点局部特征和全局特征进行互信息最大化学习，直至在社交域上的社交冷启动用户产品推荐效果达到最优。本发明能够充分挖掘整个异构图的全局信息、减少模型对桥梁用户数量的依赖、学习更好的桥梁用户表征，以此提高在社交冷启动用户上的产品推荐性能。