-
公开(公告)号：CN118585893A
公开(公告)日：2024-09-03
申请号：CN202410613520.3
申请日：2024-05-17
Applicant: 重庆邮电大学
IPC: G06F18/2411 , G06F18/214 , G06F18/10 , G06F18/25 , G06N3/094
Abstract: 本发明提出的一种融合扩散模型的生成对抗网络推荐方法，包括从数据库中获取和清理数据信息，以获得所需信息；通过前向加噪过程不断向用户‑项目评分矩阵中规律地增加高斯噪声，以破坏原始评分记录并将该稀疏矩阵稠密化，并得到条件向量与真实样本；根据条件向量，生成器在潜向量空间中进行不同时刻下的大步数去噪，以得到预测评分矩阵；通过Masking操作来模拟原始评分矩阵的稀疏性，得到一个稀疏性与原始矩阵相同的预测评分矩阵；利用扩散模型后向过程，根据预测评分矩阵计算去噪后验分布，对条件向量去噪，并得到与真实样本对应的虚假样本用于判别器训练；通过判别器来判断不同时刻下的加噪矩阵的Wasserstein距离，并指导生成器的训练；对去噪后的预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。
-
公开(公告)号：CN118332596A
公开(公告)日：2024-07-12
申请号：CN202410492605.0
申请日：2024-04-23
Applicant: 重庆邮电大学
IPC: G06F21/62 , H04L9/08 , G06F16/9535 , G06F16/2457
Abstract: 本发明涉及一种基于秘密共享的分布式差分隐私矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；每个用户先进行本地预训练；在每次迭代的开始，推荐服务器将更新过的项目隐因子矩阵H分发给各个用户；每个用户u在本地保存并训练用户隐因子向量wu，计算梯度#imgabs0#对#imgabs1#进行裁剪和扰动，然后执行加法秘密共享算法Shr，每个用户将自己持有的所有份额上传到推荐服务器；推荐服务器聚合从用户收集到的所有Ev得到#imgabs2#最后推荐服务器使用#imgabs3#更新项目隐因子矩阵H；在迭代完成后，推荐服务器将最终的项目隐因子矩阵交付给每个用户，用户u在其设备上计算预测值#imgabs4#(u,j)∈R‑，最后将top‑K的项目推荐给用户u。本发明具有良好的隐私保护性和模型准确性。
-
公开(公告)号：CN114065039B
公开(公告)日：2024-07-05
申请号：CN202111361908.1
申请日：2021-11-17
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/048 , G06N3/084
Abstract: 本发明提出一种基于均值池化操作的自编码器推荐方法及系统，属于推荐技术领域。包括有数据采集及准备模块、模型训练模块和模型预测及推荐模块的服务器部分、在服务器上连接有多个数据库和多个智能终端；智能终端用于收集用户数据相关信息并通过网络协议将其发送至数据库；数据库负责保存和提取用户相关的数据信息；服务器通过数据采集及准备模块对数据进行清洗、变换，然后通过模型训练模块对数据进行建模并求解，最后通过推荐模块对用户进行物品推荐；经过多次实验证明，本发明能够更加充分且有效地利用数据信息，在评分预测任务和top‑N任务均有更好的表现，即能为用户推荐其更加感兴趣的项目。
-
公开(公告)号：CN117009675A
公开(公告)日：2023-11-07
申请号：CN202310884977.3
申请日：2023-07-18
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06F17/16 , G06N3/043 , G06N3/048 , G06N3/08 , G06Q30/0601
Abstract: 本发明提出的基于图片模糊集的协同过滤推荐模型，包括从数据库中获取和清理数据信息，以获得原始评分矩阵；基于图片模糊集理论，将评分矩阵转换为四个代表用户不同偏好程度的矩阵，分別为隶属矩阵、中立矩阵、非隶属矩阵以及拒绝矩阵；利用BeMF模型对偏好矩阵进行拟合以学习用户和物品的特征向量信息，并通过特征向量的内积来获取用户对为评分物品的图片模糊数；借助打分函数，对图片模糊数进行打分；通过多层感知机学习历史评分中潜在的全局用户偏好；结合图片模糊数的打分(细粒度偏好)和多层感知机的输出值(全局偏好)，形成综合预测值并排序以生成推荐物品列表。
-
公开(公告)号：CN116910351A
公开(公告)日：2023-10-20
申请号：CN202310627922.4
申请日：2023-05-30
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N3/0475 , G06N3/094
Abstract: 本发明提出的基于生成对抗网络的评分可信推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据基于用户偏好一致性的噪声识别规则，将不同偏好程度的用户和项目分类后，并识别原始评分矩阵中的噪声；根据设计的评分可靠性矩阵生成模块生成初始评分可靠性矩阵；根据设计的正样本填充规则，填充评分可靠性矩阵中非交互区域，以平衡数据；利用生成对抗网络去训练所获取的评分矩阵以及可靠性矩阵，以预测出各空白区域的评分值以及可靠性概率；通过与系统设定的可靠性阈值进行比较，将可靠性概率低于阈值的预测评级进行过滤，保留较高可靠性概率的评级；对过滤后的预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。
-
Patent Agency Ranking
公开(公告)号：CN116108246A
公开(公告)日：2023-05-12
申请号：CN202211555099.2
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: G06F16/9035 , G06F16/9038 , G06F40/30
Abstract: 本发明涉及一种考虑用户偏好一致性的语义非对称相似性推荐系统，属于推荐技术领域。包括：获取和清洗数据信息；转化评分为模糊语言术语；获取对目标项目i有过评分行为的用户集合Ui；借助概率语言术语集理论，计算项目间的语义相似性；获取用户对项目i和j的偏好信息；利用巴氏系数方法计算项目间的用户偏好一致性；利用用户一致性结果去调整语义相似性；获取项目i和j的共同评价项数量和目标项目i的用户评价数量，利用Sigmoid函数来计算项目间的非对称关系；利用项目间的非对称关系来打破加权后的语义相似性的对称性；利用评分预测方法计算出目标用户u在未评分项目上的预测值；对预测集合排序，并将预测值最高的前n个项目推送给目标用户u。
-
公开(公告)号：CN114943041A
公开(公告)日：2022-08-26
申请号：CN202210533312.3
申请日：2022-05-17
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F21/62
Abstract: 本发明涉及一种基于差分隐私的隐式反馈协同过滤推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(P,Q)，交替最小二乘法求解L(P,Q)，存储用户隐因子矩阵P；将求得的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为多项式，降低目标函数的敏感度，使用少量Laplace噪声对目标函数进行扰动；对所有加噪的目标函数求解，得到加噪的项目隐因子向量聚合所有的得到矩阵本发明具有良好的隐私保护性和模型准确性。
-
公开(公告)号：CN107423647B
公开(公告)日：2020-04-28
申请号：CN201710203811.5
申请日：2017-03-30
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向智能家居的RFID委托认证方法，涉及智能家居领域。基于RFID的门禁系统被广泛用于智能家居解决方案中，但是现有门禁认证方案无法适用于用户委托情形，例如用户无法在远出旅游或出差期间委托他人进入自己家中以完成某些任务。本发明提供了一种用户自主授权的RFID委托认证方案来解决这种问题。本发明首先设计了一种普通RFID认证协议，用于智能家居中的一般认证场景；在此基础上，针对事务委托场景，提出了一种委托认证协议。本方案基于切比雪夫混沌映射设计，使得用户可以远程完成事务委托。
-
公开(公告)号：CN107481294A
公开(公告)日：2017-12-15
申请号：CN201710671183.3
申请日：2017-08-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于混沌的图像加密算法并对其进行硬件实现,涉及混沌密码学领域。该方法包括：先对图像进行预处理，将其分成若干处理单元(PE)，再对一个处理单元进行四种加密操作，即加变换(Addition)、混合变换(Mixing)、S盒置换(S-Box)和K变换(Kolmogorov flow)，一次加密完成四个运算，简称为一轮MASK操作。为了达到更好的加密效果，本发明可以进行多轮加密。解密算法的结构与加密算法的结构不必改变，因为MASK四个操作可以变换位置而使得结果不变，此性质也使得硬件设计更加简单。
-
公开(公告)号：CN106778865A
公开(公告)日：2017-05-31
申请号：CN201611151118.X
申请日：2016-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多域特征下的半监督脑电信号睡眠分期方法，属于脑机接口领域。在该方法中，结合蚁群算法和半监督贝叶斯分类方法，对原始脑电信号进行处理以得到多域特征下的原始特征集合，通过蚁群算法对其进行优化并提取一种最优特征子集，并使用改进的半监督贝叶斯分类方法，以最优特征子集为分类特征，结合主动学习策略对其进行分期分类。本方法不仅能够有效地实现睡眠分期，避免低效率特征属性及盲目搜索过程造成的运算资源浪费，而且可以降低标记样本的需求数量，通过与近几年提出的多种睡眠分期方法进行对比，结果表明本方法不但可以实现主流算法的分期精度效果，而且可以大大降低标记样本的需求量，避免了人工误判情况的发生。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.04 seconds)
