-
公开(公告)号：CN115841366B
公开(公告)日：2023-08-29
申请号：CN202211741511.X
申请日：2022-12-30
Applicant: 中国科学技术大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/214
Abstract: 本申请提供了一种物品推荐模型训练方法、装置、电子设备及存储介质，可以应用于人工智能技术领域。该方法包括：获取用于模型训练的交互数据，其中，交互数据包括用户针对第一已推荐物品的显式数据和/或用户针对第二已推荐物品的隐式数据；根据物品推荐模型的当前训练轮次确定交互数据的训练权重；将已推荐物品的物品数据输入物品推荐模型中，输出已推荐物品的偏好预测值；将交互数据、偏好预测值以及训练权重输入物品推荐模型的模型损失函数中，输出物品推荐模型的模型损失值；基于模型损失值对物品推荐模型进行训练。
-
公开(公告)号：CN115688907B
公开(公告)日：2023-04-21
申请号：CN202211713010.0
申请日：2022-12-30
Applicant: 中国科学技术大学
IPC: G06N3/08 , G06N3/042 , G06F16/9536
Abstract: 本发明提供了一种基于图传播的推荐模型训练方法及基于图传播的推荐方法，可以应用于计算机技术领域、图学习技术领域以及数据挖掘技术领域。该方法包括：获取用于表征用户与物品之间交互关系的二分图；对二分图进行图传播，得到传播矩阵；从传播矩阵中确定大于或者等于第一预设阈值的第一传播权重，其中，传播矩阵包括多个传播权重，传播权重表征用户与物品之间的交互频率；根据第一传播权重，确定第一正样本，其中，第一正样本包括与第一传播权重相对应的第一用户标识信息和第一物品标识信息；根据传播矩阵中小于第一预设阈值的第二传播权重，确定第一负样本；利用第一正样本和第一负样本训练深度学习模型，得到推荐模型。
-
公开(公告)号：CN112580742A
公开(公告)日：2021-03-30
申请号：CN202011591264.0
申请日：2020-12-29
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于标签传播的图神经网络快速训练方法，包括：使用标签传播算法传播训练集的标签矩阵，为图结构中其他节点赋予伪标签，得到图结构中所有节点的软标签矩阵，软标签矩阵的元素为节点被打上伪标签的静态置信度；所述训练集中包含了图结构中一部分节点集合的类别标签；根据节点自身的特征信息和逐渐收敛的神经网络预测器为节点的伪标签分配动态置信度；自适应地结合两类置信度，指导训练神经网络预测器。该方法相比于传统解耦GCN的运算量更小，能够以更快的速度训练到收敛，且比较适合并行的分布式计算；此外，能够提升性能，并且对于标签噪声的鲁棒性更强。
-
公开(公告)号：CN116186421A
公开(公告)日：2023-05-30
申请号：CN202310487681.8
申请日：2023-05-04
Applicant: 中国科学技术大学
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：CN115841366A
公开(公告)日：2023-03-24
申请号：CN202211741511.X
申请日：2022-12-30
Applicant: 中国科学技术大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/214
Abstract: 本申请提供了一种物品推荐模型训练方法、装置、电子设备及存储介质，可以应用于人工智能技术领域。该方法包括：获取用于模型训练的交互数据，其中，交互数据包括用户针对第一已推荐物品的显式数据和/或用户针对第二已推荐物品的隐式数据；根据物品推荐模型的当前训练轮次确定交互数据的训练权重；将已推荐物品的物品数据输入物品推荐模型中，输出已推荐物品的偏好预测值；将交互数据、偏好预测值以及训练权重输入物品推荐模型的模型损失函数中，输出物品推荐模型的模型损失值；基于模型损失值对物品推荐模型进行训练。
-
Patent Agency Ranking
公开(公告)号：CN113158024A
公开(公告)日：2021-07-23
申请号：CN202110218946.5
申请日：2021-02-26
Applicant: 中国科学技术大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种纠正推荐系统流行度偏差的因果推理方法，包括：获取当前推荐系统中用户与物品的匹配得分；根据物品的受欢迎程度预测物品得分、以及根据用户的偏好预测用户得分；聚合用户与物品的匹配得分、物品得分以及用户得分，预测出用户与物品匹配分数，再去除流行度偏差造成的影响，得到用户与物品的最终匹配分数。本发明提供的方法是一种模型无关的反事实推理框架，可以适用于各类推荐系统，通过消除流行度偏差，提升推荐系统的推荐性能，可以为用户提供更加优质，准确的个性化推荐内容。
-
公开(公告)号：CN116151892B
公开(公告)日：2023-08-29
申请号：CN202310428078.2
申请日：2023-04-20
Applicant: 中国科学技术大学
IPC: G06Q30/0251 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种物品推荐方法、系统、设备及存储介质，它们是一一对应的方案；方案中：通过构建对用户物品交互数据（正样本）与负样本同时建模的损失函数，可以同时兼容正样本与负样本中噪音，通过损失函数对编码器不断进行优化，可以使优化后的编码器更好的提取用户与物品的嵌入表征，从而更好的评估用户对各物品的喜好程度（通过喜好得分体现），进而更好的为用户推荐相关物品。
-
公开(公告)号：CN116151892A
公开(公告)日：2023-05-23
申请号：CN202310428078.2
申请日：2023-04-20
Applicant: 中国科学技术大学
IPC: G06Q30/0251 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种物品推荐方法、系统、设备及存储介质，它们是一一对应的方案；方案中：通过构建对用户物品交互数据（正样本）与负样本同时建模的损失函数，可以同时兼容正样本与负样本中噪音，通过损失函数对编码器不断进行优化，可以使优化后的编码器更好的提取用户与物品的嵌入表征，从而更好的评估用户对各物品的喜好程度（通过喜好得分体现），进而更好的为用户推荐相关物品。
-
公开(公告)号：CN115687794A
公开(公告)日：2023-02-03
申请号：CN202211703705.0
申请日：2022-12-29
Applicant: 中国科学技术大学
IPC: G06F16/9535 , G06N3/08
Abstract: 本申请提供了一种用于推荐物品的学生模型训练方法、装置、设备及介质，可以应用于知识蒸馏的技术领域。该方法包括：根据多个已推荐物品的流行度对多个已推荐物品进行分组，得到多组已推荐物品集，其中，每组已推荐物品集中的已推荐物品的流行度之间的差值小于或等于第一预设值；通过老师模型输出每个已推荐物品的兴趣值，其中，兴趣值表征已推荐物品被操作的概率；对每组已推荐物品集中的已推荐物品进行采样，生成至少一个样本对；基于兴趣值确定样本对中的样本物品的正负关系；将正负关系输入学生模型的蒸馏损失函数中，输出蒸馏损失值；基于蒸馏损失值对学生模型进行训练。
-
公开(公告)号：CN113077057B
公开(公告)日：2022-09-06
申请号：CN202110424290.2
申请日：2021-04-20
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种无偏机器学习方法，包括：根据机器学习模型建模场景类别，收集相应类别的符合真实世界分布的技术数据作为无偏集，并收集相应类别的有偏的技术数据作为训练集；采用双层优化方式对机器学习模型进行训练：内层优化时，基于当前的去偏参数利用训练集更新模型参数；外层优化时，利用无偏集指导机器学习模型中的去偏参数的优化，优化目的是寻找最优的去偏参数，使得利用最优的去偏参数结合内层优化时得到模型参数在无偏集中得到最优性能。该方法：1)可以同时解决多种偏差；2)能够自动学习去偏参数，一方面将人从配置参数的劳动中解放出来，另一方面能够使模型自动地学习去偏参数，挖掘不易被人察觉的模式。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
