公开(公告)号：CN119884494A

公开(公告)日：2025-04-25

申请号：CN202510368621.3

申请日：2025-03-27

Applicant: 中国科学技术大学

Inventor： 何向南 ,  陈瑞俊 ,  高崇铭

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/22 ,  G06N3/084 ,  G06N3/09 ,  G06N5/04

Abstract: 本发明公开了一种基于大模型自博弈的公平推荐方法及系统，所述方法包括：自博弈数据生成环节，基于用户历史行为数据作为正样本，结合当前模型推荐策略生成的推荐结果作为负样本，构建偏好数据集，并通过数据过滤去除正负样本相似度过高的样本；监督训练环节，在预训练的大语言模型基础上，利用所述偏好数据集进行监督训练，通过交叉熵损失优化模型参数，生成初步推荐策略。本发明旨在通过引入自博弈机制，优化大语言模型在推荐任务中的长尾现象，提升推荐系统的多样性与公平性。通过模型的自生成训练数据，提升推荐系统在不同用户群体和应用场景中的性能，增强推荐系统的个性化和多样性，并在长期迭代中提升模型的稳定性与公平性。

公开(公告)号：CN118503746A

公开(公告)日：2024-08-16

申请号：CN202410939110.8

申请日：2024-07-15

Applicant: 中国科学技术大学

Inventor： 吴剑灿 ,  丁陈璐 ,  袁雁城 ,  王翔 ,  何向南

IPC: G06F18/2323 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0895

Abstract: 本发明公开了一种基于图结构学习的聚类模型构建方法及装置，聚类模型构建方法包括：获取无结构数据集并对无结构数据集进行特征提取，得到原始特征，根据原始特征构建原始的图结构；利用增强的自适应图神经网络编码器优化图结构，动态更新边权重；利用多层图卷积网络作为编码器提取数据高阶特征表示；基于优化后的图结构以及高阶特征表示构建聚类模型。通过引入增强自适应图结构学习，实现对数据结构的细粒度控制，从而在处理无结构数据时提供了更加精准的聚类结果。其次，在保持对高阶结构信息捕捉能力的同时，通过自监督特征表示学习和对比学习显著提升了模型的鲁棒性。此外，仅需对聚类算法进行简单调整即可实现对无结构数据的高效聚类。

公开(公告)号：CN118468138A

公开(公告)日：2024-08-09

申请号：CN202410842227.4

申请日：2024-06-27

Applicant: 中国科学技术大学

Inventor： 王硕 ,  陈柯舟 ,  何向南 ,  郝艳宾

IPC: G06F18/2415 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种多模态情感分析模型构建方法、分析模型及分析方法，构建方法包括：获取预训练语言子模型、训练集；对训练集中的样本特征提取，在预训练语言子模型中构建多模态专家，将多模态特征引入预训练语言子模型，得到多模态专家的输出；将混合输出加至预训练语言子模型的Transformer层的输出；采用预设置的MLP分类器预测情感，得到目标模型；将训练后的目标模型作为情感分析模型。通过向预训练语言子模型中插入多模态专家，解决了多模态情感分析使用预训练语言子模型带来的参数量过大的问题；通过多模态路由分析不同模态在不同时间的特征，并将token分配给恰当的专家处理，增加了对多模态特征有效性的判断，提升了分类准确度。

公开(公告)号：CN118071464A

公开(公告)日：2024-05-24

申请号：CN202410458141.1

申请日：2024-04-17

Applicant: 中国科学技术大学

Inventor： 王翔 ,  赵愉悦 ,  吴剑灿 ,  张岸 ,  何向南

IPC: G06Q30/0601 ,  G06N5/04

Abstract: 本申请涉及一种商品推荐方法、装置、电子设备及存储介质，其中，该商品推荐方法包括：包括如下步骤：步骤一：大模型根据当前上下文，生成用户的分析内容；步骤二：根据所述分析内容，所述大模型调用相应的工具接口处理，生成候选商品集合；步骤三：所述大模型判断所述候选商品集合或当前上下文是否符合预设目标，如果符合预设目标，所述大模型根据所述候选商品集合，向所述用户推荐目标商品集合；如果不符合预设目标，重复执行所述步骤一和步骤二。本申请将大模型作为推荐流程的中心控制器，使用大模型的推理能力，将用户兴趣建模抽象为根据当前的上下文对用户分析调用相应工具接口生成候选商品集的多轮探索过程，进行用户决策模拟，提高推荐效果。

公开(公告)号：CN113989940B

公开(公告)日：2024-03-29

申请号：CN202111363930.X

申请日：2021-11-17

Applicant: 中国科学技术大学

Inventor： 郝艳宾 ,  谭懿 ,  何向南 ,  杨勋

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种视频数据中动作识别方法、系统、设备与存储介质，相关方法包括：采用视频数据多内容依赖建模的方式，对所述原始视频特征张量，从不同方向以不同尺度进行池化，再利用卷积层进行依赖激活，获得相应的依赖表征；利用询问结构的注意力机制，实现依赖表征的聚合，并对原始视频特征张量进行优化，利用优化结果进行动作识别。本发明上述方案，可以直接插入基于卷积的动作识别模型，几乎不带来额外参数与计算量，并且通过实验表明可以明显提升动作识别模型的分类性能。

公开(公告)号：CN116522007A

公开(公告)日：2023-08-01

申请号：CN202310814010.8

申请日：2023-07-05

Applicant: 中国科学技术大学

Inventor： 何向南 ,  张洋 ,  冯福利 ,  白移梦 ,  胡治宇

IPC: G06F16/9535 ,  G06N20/00 ,  G06F18/241

Abstract: 本发明公开了一种面向推荐系统模型的数据遗忘学习方法、装置及介质，该数据遗忘学习方法包括以下步骤：先得到推荐系统模型对于样本在训练数据集下的计算函数，其输出为对样本的预测，且该模型已经在训练数据集上训练到最优，通过该最优模型和影响函数估计，得到擦除不可用数据集后的模型。本发明不改变原始模型的训练架构、模型架构及部署方式，删除对于数据擦除不重要的模型参数，提升了基于影响函数擦除数据的准确度和擦除数据效率。

公开(公告)号：CN116151353B

公开(公告)日：2023-07-18

申请号：CN202310396941.0

申请日：2023-04-14

Applicant: 中国科学技术大学

Inventor： 王翔 ,  杨正一 ,  何向南

IPC: G06N3/08 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/045 ,  G06F16/9535 ,  G06F16/735 ,  G06Q30/0601

Abstract: 本发明提供了一种序列推荐模型的训练方法和对象推荐方法，其中，序列推荐模型包括经验学习模块和鲁棒学习模块，该训练方法包括：获取训练样本数据集；将训练样本数据集中的历史样本操作序列输入经验学习模块，输出第一预测结果，并根据第一预测结果和样本标签确定第一损失值；将历史样本操作序列输入鲁棒学习模块，输出第二预测结果，并根据第二预测结果、样本标签、预设的鲁棒半径和与历史样本操作序列对应的经验分布确定第二损失值；根据第一损失值和第二损失值确定总损失值；根据总损失值调整经验学习模块的网络参数以及鲁棒学习模块的网络参数，直至总损失值满足迭代条件；将总损失值满足迭代条件时得到的模型作为序列推荐模型。

公开(公告)号：CN116186421B

公开(公告)日：2023-07-14

申请号：CN202310487681.8

申请日：2023-05-04

Applicant: 中国科学技术大学

Inventor： 何向南 ,  陈佳佳 ,  吴剑灿 ,  陈佳伟

IPC: G06F16/9535 ,  G06F16/906 ,  G06F18/214

Abstract: 本发明公开了一种消除流行度偏差的推荐方法、系统、设备及存储介质，它们是一一对应的方案，仿真中：针对图推荐模型进行流行度偏差消除，具体是基于训练图推荐模型后获得的初始表征，再进行后处理式的去偏操作，可以直接应用于不同的图推荐模型，具有较好的普适性。相比于其他消除流行度偏差的技术，本发明具有更好的整体推荐性能，提升了尾部冷门物品的推荐效果同时，又较好的保留了高热门物品的推荐性能。

公开(公告)号：CN111061915B

公开(公告)日：2023-04-18

申请号：CN201911301387.3

申请日：2019-12-17

Applicant: 中国科学技术大学

Inventor： 徐童 ,  陈恩红 ,  何向南 ,  周培伦 ,  胡林康

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/778 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种视频人物关系识别方法，结合视觉信息以及丰富的文本信息，能够准确的的识别视频中任务之间的社交关系；在电影数据集上进行了人物社交关系的识别验证，结果表明该方案在客观评价指标上取得了突出的效果。

公开(公告)号：CN115809372A

公开(公告)日：2023-03-17

申请号：CN202310053850.7

申请日：2023-02-03

Applicant: 中国科学技术大学

Inventor： 何向南 ,  张洋 ,  史天昊 ,  冯福利

IPC: G06F16/9535 ,  G06N20/00

Abstract: 本发明公开了一种基于解耦不变学习的点击率预测模型的训练方法及装置。该方法包括：步骤一，基于解耦不变学习方法构建点击率预测模型和模型优化目标；步骤二，对环境数据集进行随机采样，得到训练样本数据集；步骤三，固定点击率预测模型的环境特定部分参数，利用点击率预测模型挖掘训练样本数据集的环境不变特征，更新点击率预测模型的环境不变部分参数；步骤四，固定点击率预测模型的环境不变部分参数，利用更新的点击率预测模型挖掘训练样本数据集的环境特定特征，更新点击率预测模型的环境特定部分参数；迭代进行步骤二至步骤四，直到点击率预测模型满足预设的收敛条件，得到训练完成的点击率预测模型。