-
公开(公告)号：CN119692499A
公开(公告)日：2025-03-25
申请号：CN202411854779.3
申请日：2024-12-17
Applicant: 南京邮电大学
IPC: G06N20/00 , G06F18/214 , G06F18/24 , G06N3/084 , G06N3/0464 , G06F17/18 , G06F21/62
Abstract: 本发明公开了一种基于本地小批量梯度差分隐私的联邦学习方法，属于联邦学习技术领域，要解决的技术问题为：联邦学习存在模型精度和隐私保护水平之间的平衡性问题，且在训练过程中容易出现泛化能力差和准确性降低的问题。客户端基于累积隐私损失阈值、通过小批量梯度下降算法进行本地模型参数更新，并根据隐私损失的大小调整添加到本地模型中的噪声强度。在每轮本地训练完成后，客户端将更新后的本地模型参数上传至服务器。服务器则依据所有客户端上传的本地模型参数以及聚合过程中前一轮全局模型的历史参数信息进行聚合计算，并将更新后的全局模型参数广播给各客户端。
-
公开(公告)号：CN114117142B
公开(公告)日：2024-11-15
申请号：CN202111461962.3
申请日：2021-12-02
Applicant: 南京邮电大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明一种基于注意力机制与超图卷积的标签感知推荐方法，标签感知推荐方法通过用户与项目的直接交互关系和用户、项目、标签的简介交互关系分别在用户侧和项目侧构建不同的超图，通过超图卷积提取高阶关系反应的信息，并采用注意力机制对不同重要程度的信息做出区分，通过得到的特征表示进行推荐。本发明引入了超图卷积来挖掘高阶关系以进行特征提取，采用注意力机制对于用户‑项目直接交互的超图与标签感知构建的超图获得的特征进行权重分配，能够更好地区分不同重要程度的信息，通过巧妙地结合超图卷积和注意力机制，本发明提出的方法可以充分提取用户‑项目的直接交互关系和与标签的交互关系中的特征，有效提高推荐方法的性能。
-
公开(公告)号：CN118690037A
公开(公告)日：2024-09-24
申请号：CN202410458950.2
申请日：2024-04-17
Applicant: 南京邮电大学
IPC: G06F16/535 , G06F16/583 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06F16/36
Abstract: 本发明公开了一种融合多模态信息和兴趣相似度的群组视频推荐系统及方法，数据预处理单元、用户兴趣的划分与群组的构建单元、视频多模态信息的融合与表征单元、动态更新用户兴趣单元、用户动态兴趣表示的提取单元、预测结果表示单元，根据用户兴趣划分群组，并利用社交网络学习用户之间的交互行为；挖掘视频多模态信息，丰富语义信息，从而提高推荐系统的信息丰富度；分析用户的历史行为序列，获取其最新的兴趣，以更准确地理解用户需求；通过双向注意力机制用于聚合群组成员的偏好，从而获得群组和任务的嵌入表示，并利用多层感知机为群组生成top‑K任务推荐。本发明不仅提高了视频推荐系统的准确性和可解释性，而且实现了个性化推荐。
-
公开(公告)号：CN118264670A
公开(公告)日：2024-06-28
申请号：CN202410117730.3
申请日：2024-01-29
Applicant: 南京邮电大学
IPC: H04L67/1021 , H04L67/1012 , H04L67/52 , H04L67/61 , G06F16/901 , G06F18/213 , G06F18/25 , G06N3/092 , G06N3/084
Abstract: 本发明属于服务迁移技术领域，公开了一种基于优先级与时空轨迹预测的服务迁移方法，包括：构建服务资源需求与初始分布特征向量和初始用户特征向量，计算得出服务优先级，构建用户交互关系轨迹图，构建多重空间用户交互关系轨迹图，构建时序用户交互关系轨迹图，将时空轨迹图通过Transformer模型处理输出的特征表示拼接得到特征向量，并使用一个MLP解码器将特征向量转换为真实世界中的二维坐标，得到用户未来的移动轨迹；根据服务优先级与用户未来的移动轨迹，通过强化学习实现服务迁移决策的制定。该方法可以预测用户的移动轨迹，同时，根据用户所需服务的优先级，制定迁移决策，以满足用户低时延、高可靠性的服务需求。
-
公开(公告)号：CN116049557A
公开(公告)日：2023-05-02
申请号：CN202310097847.5
申请日：2023-02-10
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于多模态预训练模型的教育资源推荐方法，包括：收集用户在线学习的多模态数据，根据不同模态的数据做相应的预处理，获取文本类数据、图片类数据、音频类数据和数值类数据，分别输入多模态预训练模型的单模态接收网络，进行单模态的单独训练和多模态交叉训练，掩码预测预训练通过遮蔽一定比例的原输入对原始输入遮蔽部分进行预测，交叉对齐训练任务通过一个模态的特定特征预测另一个模态的特征。预训练的多模态模型可直接接收多模态输入，并输入长短记忆网络学习多模态表示向量，并通过全连接网络进行投影，输出结果为用户需要资源的概率，作为推荐排行依据展示给用户。本发明提高了在线教育资源推荐的全面性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN115964568A
公开(公告)日：2023-04-14
申请号：CN202310097744.9
申请日：2023-02-10
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F16/906 , G06F18/2321 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于边缘缓存的个性化推荐方法。该方法通过挖掘用户社交关系来进行个性化推荐。同时，利用边缘缓存降低传输时延和消耗，以满足用户低时延、高精准的服务需求。方法包括：构建用户嵌入向量和服务嵌入向量；压缩用户嵌入向量，并群组划分；构建群组嵌入向量，并利用门循环单元获得群组的偏好特征向量；通过全连接层和sigmoid函数输出服务缓存的概率，实现边缘缓存；获得用户社交关系特征；使用多层感知机网络对服务嵌入向量进行压缩，并与用户社交关系特征一同输入全连接层，通过sigmoid函数输出服务被推荐的概率，根据Top‑k策略实现边个性化推荐。
-
公开(公告)号：CN113407864B
公开(公告)日：2022-10-28
申请号：CN202110686185.6
申请日：2021-06-21
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06Q30/06 , G06Q50/00
Abstract: 本发明是一种基于混合注意力网络的群组推荐模型，包括：利用图注意力网络提取用户和项目的交互信息，获得用户和项目结构化的特征表示；利用序列注意力网络中的全局和局部注意力单元对用户‑用户以及用户‑项目的交互关系共同建模得到群组的特征表示；利用神经协同过滤得到群组对项目的预测评分以及用户对项目的预测评分，并通过对两个预测目标进行联合优化以更新模型的参数。本发明通过利用由图注意力网络和序列注意力网络组成的混合注意力网络，对群组‑用户‑项目存在的多种交互关系以及组内用户全局和局部注意力权重进行了细粒度的分析，提取到了具备鲁棒性和自适应性的群组、用户以及项目的潜在特征，提高了群组推荐的准确性和可解释性。
-
公开(公告)号：CN113407864A
公开(公告)日：2021-09-17
申请号：CN202110686185.6
申请日：2021-06-21
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06Q30/06 , G06Q50/00
Abstract: 本发明是一种基于混合注意力网络的群组推荐模型，包括：利用图注意力网络提取用户和项目的交互信息，获得用户和项目结构化的特征表示；利用序列注意力网络中的全局和局部注意力单元对用户‑用户以及用户‑项目的交互关系共同建模得到群组的特征表示；利用神经协同过滤得到群组对项目的预测评分以及用户对项目的预测评分，并通过对两个预测目标进行联合优化以更新模型的参数。本发明通过利用由图注意力网络和序列注意力网络组成的混合注意力网络，对群组‑用户‑项目存在的多种交互关系以及组内用户全局和局部注意力权重进行了细粒度的分析，提取到了具备鲁棒性和自适应性的群组、用户以及项目的潜在特征，提高了群组推荐的准确性和可解释性。
-
公开(公告)号：CN113254773A
公开(公告)日：2021-08-13
申请号：CN202110614370.4
申请日：2021-06-02
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q30/02 , G06Q30/06 , H04L29/08
Abstract: 本发明一种基于预测值分析的新项目推荐方法，特点在于将用户划分为探索用户和惰性用户，包括以下步骤：通过分析用户U0评价项目的兴趣点信息，判断U0为探索用户或者惰性用户，获得用户新项目探索权重；根据项目‑属性信息，考虑项目具备属性的个数和共同具备某属性的项目的个数，获得基于项目属性信息的预测评分值；通过分析用户评价项目的兴趣点信息，结合预测评分值，得到最终的预测评分值，如果预测评分值超过设定阈值，则将该项目推荐给用户U0。本发明将用户划分为探索用户和惰性用户，提出基于预测值分析的新项目推荐方法，解决了基于物品的协同过滤在新项目推荐时难以找到合适潜在推荐用户的冷启动问题，提高了新项目的推荐效果。
-
公开(公告)号：CN106231647B
公开(公告)日：2020-10-30
申请号：CN201610658165.7
申请日：2016-08-11
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种在移动网络中进行副本分发的方法，采用了市场供需关系来确定转发副本的单位价格和转发副本数量。本发明提出了两种基于市场供需关系的机会网络多副本路由方法，分别称为单中继副本分发方法和多中继副本分发方法。在单中继副本分发方法中，源节点每次仅选择一个中继节点作为转发对象，适用于节点移动模式具有相似性的网络中；在多中继副本分发方法中，源节点每次可选择多个中继节点作为转发对象，适用于节点移动模式多样的网络中。本发明所述基于市场供需关系的激励相容机会式副本分发方法是有利的，最大化源节点效用的和激励相容的。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.031 seconds)
