-
公开(公告)号：CN104796475A
公开(公告)日：2015-07-22
申请号：CN201510197609.7
申请日：2015-04-24
Applicant: 苏州大学
CPC classification number: H04L67/26 , H04L63/0421 , H04L63/0435
Abstract: 本发明公开了一种基于同态加密的社会化推荐方法，包括如下步骤：（1）所述SN端利用同态加密密钥加密数据；（2）RBS端计算所有物品的推荐得分；（3）所述RBS端共享所有物品的推荐得分；（4）比较获得推荐结果。通过上述方式，本发明基于同态加密的社会化推荐方法具有安全性极高、适应性极强等优点，在基于同态加密的社会化推荐方法的普及上有着广泛的市场前景。
-
公开(公告)号：CN110659962B
公开(公告)日：2022-03-15
申请号：CN201910893796.0
申请日：2019-09-20
Applicant: 苏州大学
Abstract: 本申请公开了一种商品信息输出方法，通过在商品信息输出的过程中加入美学特征，考虑到被输出商品的多样性，从而缓解数据稀疏性问题，并且在第一商品和第二商品之间进行交叉迁移，整合来自不同领域中的用户偏好特征，使得推荐输出的参考要素增多，而不是只采用用户的历史数据进行推荐展示，提高商品推荐展示的准确性，以便向用户输出感兴趣的商品，提高用户的体验。本申请还公开了一种输出商品信息的计算机设备、计算机设备以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN108829766B
公开(公告)日：2021-09-21
申请号：CN201810529606.2
申请日：2018-05-29
Applicant: 苏州大学
IPC: G06F16/9537 , G06N3/04 , G06Q50/00
Abstract: 本发明公开了一种兴趣点推荐方法、系统、设备及计算机可读存储介质，其中该方法包括：获取一组兴趣点签到的时间信息及位置信息；输入签到序列的时间信息及位置信息至预先训练的LSTM模型；获取LSTM模型输出的每一个兴趣点的运算结果；基于运算结果确定目标兴趣点；其中，LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，时间门表示每相邻两个签到的兴趣点间的时间间隔，距离门表示每相邻两个签到的兴趣点间的距离间隔。本发明公开的一种兴趣点推荐方法、系统、设备及计算机可读存储介质均在一定程度上解决了如何提高现有的预测用户下一个兴趣点的预测准确性的技术问题。
-
公开(公告)号：CN108648457B
公开(公告)日：2021-07-13
申请号：CN201810690697.8
申请日：2018-06-28
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种速度预测的方法、装置和计算机可读存储介质，依据预设时间段内的轨迹数据，计算出目标路网的初始速度向量；利用预先训练好的基于路网的卷积神经网络，对初始速度向量和邻接路段矩阵进行卷积处理，得到相应的特征矩阵；其中，特征矩阵中包括有每个路段各自对应的特征向量；将每个特征向量转化成时间序列，并利用预先训练好的长短期记忆网络，对时间序列进行处理，得到目标路网对应的目标速度矩阵。由于特征向量是在考虑了路网拓扑结构情况下得到的向量，有效避免了错误的空间动态演化特征对其精度的影响。使得根据该特征向量预测出的目标速度向量更加准确，有效提升了速度预测的精度。
-
公开(公告)号：CN111626827A
公开(公告)日：2020-09-04
申请号：CN202010470866.4
申请日：2020-05-28
Applicant: 苏州大学
Abstract: 本申请公开了一种基于序列推荐模型的物品推荐方法，包括：利用用户与物品的历史交互序列基于深度神经网络训练出包括自动特征交互层、特征层面自注意力层以及物品层面自注意力层的序列推荐模型；获取目标用户信息，并将目标用户信息输入至序列推荐模型中，确定出对应的目标推荐物品。相较于现有技术中仅仅利用包括特征层面自注意力层和物品层面自注意力层的序列推荐模型进行物品推荐的方式，本方法训练出的序列推荐模型，能够进一步利用自动特征交互层学习物品的高阶交互特征，因此能够更加准确地进行物品推荐。本申请还公开了一种基于序列推荐模型的物品推荐装置、设备及计算机可读存储介质，均具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN109544306A
公开(公告)日：2019-03-29
申请号：CN201811455642.5
申请日：2018-11-30
Applicant: 苏州大学
Abstract: 本发明公开了一种基于用户行为序列特征的跨领域推荐方法，包括：分别获得目标用户在辅助域和目标域的交互项目序列，通过跨领域推荐模型的嵌入层分别获得目标用户在辅助域和目标域中的用户嵌入矩阵和项目嵌入矩阵，然后经过LSTM层分别获取目标用户在辅助域和目标域中的总偏好特征，最后经过MLP层处理，将用户在辅助域中的总偏好特征迁移到目标域中，通过计算得到目标用户在目标域中对每个项目的喜好得分，并在目标域中为目标用户推荐接下来一段时间内可能购买或者访问的项目。应用本发明实施所提供的技术方案，提高了目标域的推荐准确性，提升了推荐性能。本发明还公开了一种基于用户行为序列特征的跨领域推荐装置，具有相应技术效果。
-
公开(公告)号：CN109543112A
公开(公告)日：2019-03-29
申请号：CN201811457888.6
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于循环卷积神经网络的序列推荐方法，包括以下步骤：获得用户历史互动项目序列后，在预先训练获得的循环卷积神经网络的循环层，对每个项目做转换处理，获得隐藏状态向量，在循环卷积神经网络的卷积层，对基于隐藏状态向量确定的窗口矩阵分别进行水平卷积操作和垂直卷积操作，获得水平卷积结果和垂直卷积结果，在全连接层，根据水平卷积结果、垂直卷积结果和隐藏状态向量，获得用户与项目集合中每个项目的互动概率预测结果，根据该预测结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，增强了推荐性能，实现了更加高效的序列推荐。本发明还公开了一种基于循环卷积神经网络的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN108829766A
公开(公告)日：2018-11-16
申请号：CN201810529606.2
申请日：2018-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种兴趣点推荐方法、系统、设备及计算机可读存储介质，其中该方法包括：获取一组兴趣点签到的时间信息及位置信息；输入签到序列的时间信息及位置信息至预先训练的LSTM模型；获取LSTM模型输出的每一个兴趣点的运算结果；基于运算结果确定目标兴趣点；其中，LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，时间门表示每相邻两个签到的兴趣点间的时间间隔，距离门表示每相邻两个签到的兴趣点间的距离间隔。本发明公开的一种兴趣点推荐方法、系统、设备及计算机可读存储介质均在一定程度上解决了如何提高现有的预测用户下一个兴趣点的预测准确性的技术问题。
-
公开(公告)号：CN104796475B
公开(公告)日：2018-10-26
申请号：CN201510197609.7
申请日：2015-04-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于同态加密的社会化推荐方法，包括如下步骤：（1）所述SN端利用同态加密密钥加密数据；（2）RBS端计算所有物品的推荐得分；（3）所述RBS端共享所有物品的推荐得分；（4）比较获得推荐结果。通过上述方式，本发明基于同态加密的社会化推荐方法具有安全性极高、适应性极强等优点，在基于同态加密的社会化推荐方法的普及上有着广泛的市场前景。
-
公开(公告)号：CN104850649A
公开(公告)日：2015-08-19
申请号：CN201510287900.3
申请日：2015-05-29
Applicant: 苏州大学张家港工业技术研究院
IPC: G06F17/30
Abstract: 本申请提供了一种在地图上进行兴趣点采样的方法及系统，该方法包括：根据路网信息对待采样区域进行预处理得到一个初始区域；搜索初始区域内的兴趣点数量；根据初始区域内的兴趣点数量判断初始区域是否为可用区域；若初始区域内的兴趣点数量小于阈值，则为可用区域，否则将初始区域分割，直至获取可用区域；根据可用区域内的兴趣点数量估算采样区域内的兴趣点数量。该方法通过先把初始的大区域分割成多个区域，然后再选取某一个区域根据路网信息进行迭代分割，直到出现一个可用区域，该预处理过程利用离线路网信息，无需在线提交查询，在很大程度上减少查询次数，实现大区域查询的高效性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.024 seconds)
