公开(公告)号：CN112804080A

公开(公告)日：2021-05-14

申请号：CN202011549292.6

申请日：2020-12-24

Applicant: 中国科学院信息工程研究所

Inventor： 李敏 ,  寇英帅 ,  高能 ,  彭佳 ,  屠晨阳 ,  单亦伟

IPC: H04L12/24 ,  H04L29/06 ,  G06F16/9535 ,  G06N20/00

Abstract: 本发明公开了一种访问控制初始化智能推荐方法。本方法包括：1)将访问控制系统中的属性特征按照特征类型划分为连续型特征和离散型特征；2)对系统中同一条交互记录中的属性特征进行处理，生成对应交互记录的最终特征向量；其中针对每一个连续型特征，将其归一化后作为最终特征向量中的一维；针对每一个离散型特征，将其编码索引标识添加到最终特征向量中；3)利用各最终特征向量训练模型；4)当用户U登录该访问控制系统时，获取用户U的初始属性；5)将该初始属性和该访问控制系统的每一资源属性组合成一序列，生成该序列对应的最终特征向量并将其输入训练后的模型进行预测，得到n个候选资源并对其进行筛选，推荐给用户U。

公开(公告)号：CN116304288A

公开(公告)日：2023-06-23

申请号：CN202211093497.7

申请日：2022-09-08

Applicant: 中国科学院信息工程研究所

Inventor： 高能 ,  寇英帅 ,  张逸飞

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06F18/241 ,  G06F18/214 ,  G06N3/042

Abstract: 本发明公开了一种基于双分支图神经网络的去流行度偏置智能推荐方法，所述方法获取原始数据集；在所述原始数据集中删除热门物品的用户物品交换记录，得到长尾数据集；基于所述原始数据集与所述长尾数据集，分别构建原始子图和长尾子图；针对所述原始子图和所述长尾子图，分别通过图神经网络进行信息传播，并在训练过程中，基于一个动态调整的参数逐渐增大长尾子图相应的图神经网络的权重，以基于训练后的长尾子图相应的图神经网络，得到用户的物品推荐结果，本发明解决了传统的推荐场景中因为数据服从长尾分布而造成的流行度偏置问题。

公开(公告)号：CN112804080B

公开(公告)日：2022-09-30

申请号：CN202011549292.6

申请日：2020-12-24

Applicant: 中国科学院信息工程研究所

Inventor： 李敏 ,  寇英帅 ,  高能 ,  彭佳 ,  屠晨阳 ,  单亦伟

IPC: H04L41/14 ,  H04L9/40 ,  G06F16/9535 ,  G06N20/00

Abstract: 本发明公开了一种访问控制初始化智能推荐方法。本方法包括：1)将访问控制系统中的属性特征按照特征类型划分为连续型特征和离散型特征；2)对系统中同一条交互记录中的属性特征进行处理，生成对应交互记录的最终特征向量；其中针对每一个连续型特征，将其归一化后作为最终特征向量中的一维；针对每一个离散型特征，将其编码索引标识添加到最终特征向量中；3)利用各最终特征向量训练模型；4)当用户U登录该访问控制系统时，获取用户U的初始属性；5)将该初始属性和该访问控制系统的每一资源属性组合成一序列，生成该序列对应的最终特征向量并将其输入训练后的模型进行预测，得到n个候选资源并对其进行筛选，推荐给用户U。