公开(公告)号：CN110110220B

公开(公告)日：2021-06-01

申请号：CN201810642787.X

申请日：2018-06-21

Applicant: 北京交通大学

Inventor： 冀振燕 ,  皮怀雨 ,  杨文韬 ,  姚伟娜

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/33 ,  G06F40/284 ,  G06F40/289 ,  G06F40/30 ,  G06Q30/02 ,  G06Q50/00

Abstract: 本发明涉及融合社交网络和用户评价的推荐模型。为了反映用户社交关系对用户决策的影响并提高推荐结果的精确度，提出了一种融合社交网络和用户评分评论数据的推荐模型。该模型通过文本处理技术和数据挖掘算法，从评论中提取主题信息作为用户和商家的特征，利用社区发现算法为用户划分社区，最后利用机器学习方法对社区进行建模并进行推荐。该模型既考虑了用户个体的偏好，又包含了社区用户的整体特征，能够给社区用户提供个性化的推荐。

公开(公告)号：CN110110220A

公开(公告)日：2019-08-09

申请号：CN201810642787.X

申请日：2018-06-21

Applicant: 北京交通大学

Inventor： 冀振燕 ,  皮怀雨 ,  杨文韬 ,  姚伟娜

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/33 ,  G06F17/27 ,  G06Q30/02 ,  G06Q50/00

Abstract: 本发明涉及融合社交网络和用户评价的推荐模型。为了反映用户社交关系对用户决策的影响并提高推荐结果的精确度，提出了一种融合社交网络和用户评分评论数据的推荐模型。该模型通过文本处理技术和数据挖掘算法，从评论中提取主题信息作为用户和商家的特征，利用社区发现算法为用户划分社区，最后利用机器学习方法对社区进行建模并进行推荐。该模型既考虑了用户个体的偏好，又包含了社区用户的整体特征，能够给社区用户提供个性化的推荐。

公开(公告)号：CN110110122A

公开(公告)日：2019-08-09

申请号：CN201810649234.7

申请日：2018-06-22

Applicant: 北京交通大学

Inventor： 冀振燕 ,  姚伟娜 ,  杨文韬 ,  皮怀雨

IPC: G06F16/583 ,  G06F16/58

Abstract: 本发明涉及结合深度学习与哈希方法的图像-文本跨模态检索模型。为了解决传统基于深度学习的跨模态哈希方法在处理多标签数据问题时直接将其转换为单标签问题的局限性，提出了一种基于多层语义的深度跨模态哈希算法。通过多标签数据之间的共现关系定义数据之间的相似度，并以此作为网络训练的监督信息。设计综合考虑多层语义相似度与二值相似度的损失函数，对网络进行训练，使得特征提取和哈希码学习过程统一在一个框架内，实现端到端学习。该算法充分利用数据之间的语义相关性信息，提高了检索准确率。