-
公开(公告)号：CN116320511B
公开(公告)日：2024-10-11
申请号：CN202310081551.4
申请日：2023-02-03
Applicant: 华南理工大学
IPC: H04N21/2187 , H04N21/466 , H04N21/254 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图卷积网络的跨域融合推荐方法，该方法步骤包括：预设时间窗口长度及工作时间，选取设定时间窗口内的日志数据作为原始数据；将原始数据去除噪声数据并划分为训练集和验证集；将每个直播频道作为一个域，将基于图卷积网络的推荐模型及基于注意力机制的推荐模型构建成融合推荐模型，将组内用户的训练集数据输入到融合推荐模型中，利用组内用户的验证集数据调整融合推荐模型的参数，保存训练好的模型参数，得到训练好的融合推荐模型为用户推荐直播频道，基于新的时间窗口选取新的原始数据训练融合推荐模型，基于重新训练后的融合推荐模型为用户推荐直播频道。本发明针对所有候选频道实现跨域融合推荐，提高了频道推荐的准确率。
-
公开(公告)号：CN116320511A
公开(公告)日：2023-06-23
申请号：CN202310081551.4
申请日：2023-02-03
Applicant: 华南理工大学
IPC: H04N21/2187 , H04N21/466 , H04N21/254 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图卷积网络的跨域融合推荐方法，该方法步骤包括：预设时间窗口长度及工作时间，选取设定时间窗口内的日志数据作为原始数据；将原始数据去除噪声数据并划分为训练集和验证集；将每个直播频道作为一个域，将基于图卷积网络的推荐模型及基于注意力机制的推荐模型构建成融合推荐模型，将组内用户的训练集数据输入到融合推荐模型中，利用组内用户的验证集数据调整融合推荐模型的参数，保存训练好的模型参数，得到训练好的融合推荐模型为用户推荐直播频道，基于新的时间窗口选取新的原始数据训练融合推荐模型，基于重新训练后的融合推荐模型为用户推荐直播频道。本发明针对所有候选频道实现跨域融合推荐，提高了频道推荐的准确率。
-
公开(公告)号：CN114528434B
公开(公告)日：2023-07-21
申请号：CN202210059426.9
申请日：2022-01-19
Applicant: 华南理工大学
IPC: G06F16/735 , G06F16/78 , G06F16/9535 , G06F16/9537 , G06N3/044 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于自注意力机制的IPTV直播频道融合推荐方法，该方法步骤包括：S1、获取用户的历史观看日志数据作为原始数据；S2、对原始数据进行预处理，并根据时间窗口将数据划分为训练集、验证集以及测试集；S3、对预处理后的用户观看数据进行特征提取；S4、构建基于自注意力机制的IPTV直播频道融合推荐神经网络模型；S5、将训练集数据输入融合网络中进行训练，通过验证集调整网络超参数，保存训练好的网络；S6、将测试集数据输入训练好的融合网络中获得个性化频道推荐列表。本发明能够有效提高IPTV直播频道的推荐准确率。
-
公开(公告)号：CN114528434A
公开(公告)日：2022-05-24
申请号：CN202210059426.9
申请日：2022-01-19
Applicant: 华南理工大学
IPC: G06F16/735 , G06F16/78 , G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自注意力机制的IPTV直播频道融合推荐方法，该方法步骤包括：S1、获取用户的历史观看日志数据作为原始数据；S2、对原始数据进行预处理，并根据时间窗口将数据划分为训练集、验证集以及测试集；S3、对预处理后的用户观看数据进行特征提取；S4、构建基于自注意力机制的IPTV直播频道融合推荐神经网络模型；S5、将训练集数据输入融合网络中进行训练，通过验证集调整网络超参数，保存训练好的网络；S6、将测试集数据输入训练好的融合网络中获得个性化频道推荐列表。本发明能够有效提高IPTV直播频道的推荐准确率。
-
-
-
Search Results
4
records
(took 0.014 seconds)
