-
公开(公告)号:CN110688585B
公开(公告)日:2022-04-19
申请号:CN201910912752.8
申请日:2019-09-25
Applicant: 北京工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于神经网络和协同过滤的个性化电影推荐方法,采用Bert神经网络对电影情节进行特征提取,形成一个关于item的特征矩阵与Funk‑SVD形成衔接,再利用矩阵分解技术产生一个完整的U‑I矩阵,得到所有预测评分的一种快速有效的方法。先利用Bert神经网络对电影情节进行特征提取,并得到一个关于电影item的特征矩阵;然后将得到的特征矩阵与协同过滤算法Funk‑SVD算法衔接,再利用矩阵分解技术,梯度下降法进行优化,得到一个误差最小的完整的U‑I矩阵,最终获得所有预测评分等一系列操作;本发明在原有显式反馈和隐式反馈的基础上,加入辅助信息即电影情节,更加准确的获取item的特征矩阵,使最小误差降低了2.40%,提高了预测的精确度。
-
公开(公告)号:CN111861117A
公开(公告)日:2020-10-30
申请号:CN202010550311.0
申请日:2020-06-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于联盟链的乐器评测数据共享方法及系统。该方法包括:构建乐器评测联盟链网络,将电商公司、乐器公司和数字证书颁发机构与乐器评测联盟链网络的多个节点做一一映射关系;获取待评测乐器的基本信息;采集多个电商公司和乐器公司的乐器评测的基本信息,进行分类和确定总评分;编写智能合约将乐器信息和评测信息全部存储到联盟链网络中并提供查询和溯源方法;搭建客户端应用程序实现对智能合约功能调用以及对联盟链网络管理;经过授权的用户可以通过客户端加入到联盟链网络中并对乐器评测数据进行查询。本发明解决在乐器评测数据共享环境下,隐私性差、可信度低和安全性弱的问题,向授权用户提供便捷、高效的乐器评测数据服务。
-
公开(公告)号:CN113360766A
公开(公告)日:2021-09-07
申请号:CN202110727637.0
申请日:2021-06-29
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F9/448 , G06F8/30
Abstract: 本发明公开了一种基于seq2seq模型的Java方法名推荐方法。该方法包括:Java方法名采集阶段,从知名开源组织下采集基于Java语言的项目Git仓库,并提取Git仓库中的Java方法名。建立Java方法名词库阶段:提取Java方法名中的高频率标记,并采用人工标注的方式来为标注中文语义。建立中文同义词库阶段:通过人工标注的方式来为Java方法名词库中已经标记好中文的中文标记标注其同义词。创建数据样本阶段:采用人工标注的方式来为Java方法名标注中文语义。当开发者输入中文方法名,模型seq2seq会输出英文的方法名。方法名推荐阶段帮助中文开发者将中文方法名输入到seq2seq模型中,模型输出相应的Java方法名。
-
公开(公告)号:CN110688585A
公开(公告)日:2020-01-14
申请号:CN201910912752.8
申请日:2019-09-25
Applicant: 北京工业大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于神经网络和协同过滤的个性化电影推荐方法,采用Bert神经网络对电影情节进行特征提取,形成一个关于item的特征矩阵与Funk-SVD形成衔接,再利用矩阵分解技术产生一个完整的U-I矩阵,得到所有预测评分的一种快速有效的方法。先利用Bert神经网络对电影情节进行特征提取,并得到一个关于电影item的特征矩阵;然后将得到的特征矩阵与协同过滤算法Funk-SVD算法衔接,再利用矩阵分解技术,梯度下降法进行优化,得到一个误差最小的完整的U-I矩阵,最终获得所有预测评分等一系列操作;本发明在原有显式反馈和隐式反馈的基础上,加入辅助信息即电影情节,更加准确的获取item的特征矩阵,使最小误差降低了2.40%,提高了预测的精确度。
-
-
-