公开(公告)号：CN114328763A

公开(公告)日：2022-04-12

申请号：CN202111670817.6

申请日：2021-12-31

Applicant: 杭州电子科技大学

Inventor： 袁友伟 ,  周威炜 ,  王东京 ,  郑超 ,  鄢腊梅

IPC: G06F16/28

Abstract: 本发明公开一种基于知识图谱解耦的推荐系统及其推荐方法。获取用户行为数据；将用户行为数据中用户、物品、用户固有属性特征和物品固有属性特征作为实体，并提炼上述实体关系，最终得到实体‑关系‑实体的三元组知识图谱；搭建基于循环解耦的推荐模型RDK‑GCN；根据RDK‑GCN输出的实体特征获得待推荐实体特征和被推荐实体特征，然后计算上述两个特征的相似度，最后向被推荐实体推荐相似度较高的前n个待推荐实体。通过对知识图谱中实体的邻接实体进行循环特征解耦将实体特征中代表不同语义的隐因子分离出来，筛选出目标任务影响较大的隐因子并降低无关隐因子带来的影响，实现不同任务的相对独立性，有效提高推荐系统的鲁棒性。

公开(公告)号：CN112989223B

公开(公告)日：2022-03-01

申请号：CN202110300762.3

申请日：2021-03-22

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  刘继涛 ,  俞东进 ,  张新

IPC: G06F16/9537 ,  G06F17/16 ,  G06F16/29

Abstract: 本发明提出了一种基于轨迹的修正与简化的电动自行车轨迹地图匹配方法。本发明针对电动自行车轨迹数据轨迹点采样频率过高、轨迹点密度较大以及存在无效轨迹片段的特点导致的地图匹配效率与准确率下降的问题，在地图匹配方法中增加了轨迹的修正与简化过程，能够有效地降低轨迹点密度；同时，在地图匹配过程中引入分段机制，能够有效识别出无效轨迹片段，兼顾了电动自行车轨迹数据地图匹配过程中的效率与准确率。

公开(公告)号：CN110717100B

公开(公告)日：2021-09-28

申请号：CN201910940873.3

申请日：2019-09-30

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  张新 ,  俞东进 ,  邵逸凡

IPC: G06F16/9535

Abstract: 本发明公开了一种基于高斯嵌入表示技术的上下文感知推荐方法。本发明包括以下步骤：收集用户的上下文感知行为记录以及物品的属性，然后利用高斯嵌入表示技术从收集的数据中学习用户的兴趣向量表示、物品的特征向量表示等，最后基于学习得到的特征向量实施推荐。本发明主要是利用高斯嵌入表示技术对用户兴趣的动态性和物品特征的多模态性进行准确建模，并充分利用用户的上下信息和物品的属性，提高推荐的准确率，进而提升用户满意度。

公开(公告)号：CN112989617A

公开(公告)日：2021-06-18

申请号：CN202110300775.0

申请日：2021-03-22

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  张新 ,  俞东进

IPC: G06F30/20 ,  G06F16/9535 ,  G06F119/02

Abstract: 本发明公开了一种基于注意力感知时间点过程的音乐推荐方法，包括：S1时间感知的音乐收听行为表示；S2基于注意力感知时间点过程的收听行为建模与用户长短期兴趣的预测；S3时间与序列感知的音乐推荐。本发明利用时间点过程和注意力机制对用户的音乐收听序列进行建模，并从用户的收听记录中学习用户的长期兴趣向量和短期兴趣向量，最后在推荐的时候综合考虑用户的长短期兴趣偏好，从而改进推荐效果，提升推荐准确率。

公开(公告)号：CN109948066B

公开(公告)日：2020-12-11

申请号：CN201910303497.7

申请日：2019-04-16

Applicant: 杭州电子科技大学

Inventor： 俞东进 ,  徐凯辉 ,  王东京 ,  徐登威 ,  完颜文博

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/9537

Abstract: 本发明公开了一种基于异构信息网络的兴趣点推荐方法。该方法使用异构信息网络以及元路径来建模基于位置的社交网络中用户的复杂行为语义，并通过矩阵分解和排序学习预测用户偏好。通过本发明方法能够有效挖掘用户行为特征，进而给用户推荐兴趣点，提高基于位置的社交网络服务的体验。

公开(公告)号：CN111178509A

公开(公告)日：2020-05-19

申请号：CN201911387876.5

申请日：2019-12-30

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  徐登威 ,  俞东进

IPC: G06N3/04 ,  G06N3/08 ,  G06F16/9535

Abstract: 本发明公开了一种基于时间信息和序列上下文的下一个游戏推荐方法。本发明在原始的LSTM单元的cell中添加间隔时间和持续时间的信息，使得同时结合间隔时间和持续时间信息，对cell中的信息进行过滤和控制，同时使用GloVe模型对序列上下文进行更加精确的建模。不同于传统的方法，本发明利用间隔时间和持续时间信息更加合理的反映了序列的记忆特点：间隔时间过长的信息更应该被遗忘，持续时间很长的信息应该被记忆。

公开(公告)号：CN110659382A

公开(公告)日：2020-01-07

申请号：CN201910830866.8

申请日：2019-09-04

Applicant: 杭州电子科技大学

Inventor： 张新 ,  王东京 ,  俞东进

IPC: G06F16/635

Abstract: 本发明公开了一种基于异构信息网络表示学习技术的混合音乐推荐方法，包括：S1基于网络表示学习方法的音乐特征向量的获取；S2用户全局音乐偏好和上下文音乐偏好的预测与建模；S3上下文感知的混合音乐推荐。本发明利用网络表示学习方法从用户的收听记录和音乐的内容数据中提取音乐的特征向量，再从用户的收听记录中分别提取用户的全局音乐偏好和上下文音乐偏好，最后在推荐的时候综合考虑用户的全局偏好和当前上下文偏好，从而改进推荐效果，提升推荐准确率。