-
公开(公告)号：CN117271808A
公开(公告)日：2023-12-22
申请号：CN202311351239.9
申请日：2023-10-18
申请人： 合肥工业大学 , 安徽无攸科技有限公司
IPC分类号： G06F16/435 , G06F18/10 , G06F18/2134 , G06N3/0464 , G06N3/042 , G06N3/08
摘要： 本发明公开了一种基于信息瓶颈去噪的多媒体推荐方法，包括：1.构造异构数据：用户对产品的交互矩阵，产品的多媒体内容数据；2.使用预训练模型提取产品多媒体内容特征；3.根据多媒体内容特征构造产品关联矩阵；4.基于深度图神经模型学习用户和产品表征矩阵；5.基于信息瓶颈理论最小化多媒体内容与其表征之间的互信息，计算损失函数；6.基于用户和产品表征矩阵重构交互矩阵，计算损失函数；7.联合步骤5‑6的损失函数进行多任务学习，更新模型参数至模型收敛。本发明基于信息瓶颈的思想，在满足推荐任务的需求下学习最少的多媒体内容信息，可以有效的去除多媒体内容中的冗余信息，从而能实现更加精准的多媒体推荐。
-
公开(公告)号：CN117349682A
公开(公告)日：2024-01-05
申请号：CN202311351350.8
申请日：2023-10-18
申请人： 合肥工业大学 , 安徽无攸科技有限公司
IPC分类号： G06F18/22 , G06F18/26 , G06F40/216 , G06F16/335
摘要： 本发明公开了一种用户多兴趣增强的抽取式可解释推荐方法，包括：1、基于大语言模型利用观点提取方法从评论中提取包含用户观点作为解释句子，利用文本摘要方法从用户历史评论中总结用户偏好；2、基于用户偏好和解释句子构建用户多偏好增强的抽取式可解释推荐模型；3、设计自适应对齐训练策略匹配相同主题的解释句子与用户偏好表征，优化用户偏好表征；4、采用随机梯度下降方法训练建立的模型，利用建立好的抽取式可解释推荐模型推断用户对产品感兴趣的原因。本发明能够更加关注基于主题的用户多偏好表征与解释句子间的关联性，缓解用户偏好表征与解释句子的主题不匹配问题，更好建模用户偏好表征，进一步提高抽取式可解释模型的性能。
-
公开(公告)号：CN114003815B
公开(公告)日：2024-03-29
申请号：CN202111299225.8
申请日：2021-11-04
IPC分类号： G06F16/9535 , G06F16/9536 , G06Q50/00
摘要： 本发明公开了一种网络舆情主题及其关注用户群体的发现方法，其步骤包括：1构建舆情文档中数据集合，2建模舆情文本话题，关注舆情文本话题的用户群体，3设计有参贝叶斯模型，4利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模的在线社交媒体内容以及社交用户评论行为时，一方面能够结合主题分析快速、有效、准确地发现网络中的舆情主题，有助于舆情检测，为舆情的引导和控制提供决策支持；另一方面能够识别关注每个舆情话题的用户群体，实现对社交媒体用户依据关注话题的异同进行快速精准的分类。
-
公开(公告)号：CN117349457A
公开(公告)日：2024-01-05
申请号：CN202311418161.8
申请日：2023-10-30
申请人： 合肥工业大学
IPC分类号： G06F16/435 , G06F16/48 , G06N3/0499 , G06N3/084
摘要： 本发明公开了一种基于不变学习的多媒体泛化推荐方法，包括：1.构造异构数据；2.构建冷启动推荐网络，包括表征生成器、嵌入层，和用户协同表征矩阵；3.表征生成器对多媒体原始特征进行处理，得到产品集中各个模态的表征向量；4.初始化用户协同矩阵并经过嵌入层得到用户的最终表征向量；5.由循环混合层构建M个不同环境下的模态融合的权重集合，用于生成表征差异化环境并优化不变表征；6.根据不同环境下的推荐损失计算不变损失函数；7.联合各个损失函数并对推荐产品网络进行多任务学习以更新网络参数，实现新产品推荐。本发明利用对齐和不变学习的思想有效提升模型的泛化能力，并缓解冷启动推荐问题。
-
公开(公告)号：CN113222772B
公开(公告)日：2023-10-31
申请号：CN202110377621.1
申请日：2021-04-08
IPC分类号： G06Q50/00 , G06F40/242 , G06F16/35 , G06F40/216 , G06F40/30 , G06N20/00
摘要： 本发明提供一种本土人格词典构建方法、系统、存储介质以及电子设备，涉及人格词典技术领域。本发明获取并预处理用户的社交媒体数据，获取每个词的语义向量表示；根据预处理后的社交媒体数据，采用统计学习方法获取第一人格描述词集；根据语义向量表示，采用深度学习算法获取第二人格描述词集；至少融合第一人格描述词集和第二人格描述词集，得到本土人格词典。本发明通过使用机器学习的方法自动抽取用户的社交媒体数据中最具代表性的词，减少了人为因素的影响，同时能够有效适应语义的演变，以及不同的语言；此外，本发明生成的本土人格词典规模能够根据具体情况具体调整，同时通过处理大规模社交媒体信息实现最全面普遍的人格描述。
-
公开(公告)号：CN113222773A
公开(公告)日：2021-08-06
申请号：CN202110379028.0
申请日：2021-04-08
IPC分类号： G06Q50/00 , G06F16/35 , G06F40/216 , G06F40/242
摘要： 本发明提供一种本土人格评估方法、系统、存储介质和电子设备，涉及人格评估技术领域。本发明获取并预处理用户的社交媒体数据，获取社交媒体数据的向量表示；根据预处理后的社交媒体数据，采用统计学习方法获取第一人格特征表示；根据向量表示和预处理后的社交媒体数据，采用深度学习算法获取第二人格特征表示；融合第一人格特征表示和第二人格特征表示，获取用户的本土人格表示。本发明通过对用户的社交媒体信息进行分析，属于无接触无问卷式的方法，所得到的数据是用户在自然状态下产生的，不仅减少设置特定情境或者使用特定设备对测试者带来的心理干扰，同时缓解用户主观意图对测试结果的影响；本发明提供的本土人格分析方法评估人格，准确度高。
-
公开(公告)号：CN110837578A
公开(公告)日：2020-02-25
申请号：CN201911077145.0
申请日：2019-11-06
申请人： 合肥工业大学
IPC分类号： G06F16/735 , G06F16/783 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于图卷积网络的视频片段推荐方法，包括：1.构造用户对视频片段的评分矩阵；2.对用户集和视频片段集处理，得到用户嵌入矩阵和视频片段嵌入矩阵；3.根据用户的评分矩阵，构造基于内容属性的二部图；4.将构造好的二部图输入到图卷积网络中，不断更新用户嵌入矩阵；5.利用图卷积网络计算用户对片段的偏好预测值，从而对用户进行片段推荐。本发明能对用户进行更精准的推荐，尤其是对历史数据稀少的用户群体，从而更好的解决到冷启动物品问题。
-
公开(公告)号：CN109410179A
公开(公告)日：2019-03-01
申请号：CN201811141325.6
申请日：2018-09-28
申请人： 合肥工业大学
摘要： 本发明公开了一种基于生成对抗网络的图像异常检测方法，是综合考虑正常图像和异常图像的特征，并通过生成对抗模型生成异常图像和检测异常图像，其步骤包括：获取训练数据集并构造隐含空间；构造生成网络，得到生成图片集合；构造编码网络，得到生成图片集合在隐含空间上的映射；通过判别网络和检测网络并构造共享参数；由所述生成网络、所述编码网络、网络判别网络和检测网络构成生成对抗网络并进行对抗训练。本发明能够充分利用异常数据以及正常数据之间的关系生成对抗网络用于检测异常图像，从而有效的确定正常数据边界，并提高异常检测的精度。
-
公开(公告)号：CN113836298B
公开(公告)日：2024-08-20
申请号：CN202110894298.5
申请日：2021-08-05
申请人： 合肥工业大学
IPC分类号： G06F16/35 , G06F40/30 , G06F18/214 , G06F18/25
摘要： 本发明提供一种基于视觉增强的文本分类方法和系统，涉及计算机视觉以及自然语言理解技术领域，本发明通过注意力机制实现了获取基于图像辅助信息的语义表示和基于文本语义的图像特征表示，充分考虑了图像信息包含的复杂内容以及图像信息和文本之间的相互影响关系，减少文本语义表达过程中的噪声信息的引入，最终实现了对文本语义的准确理解以及提高文本分类的准确性。
-
公开(公告)号：CN118504690A
公开(公告)日：2024-08-16
申请号：CN202410660045.5
申请日：2024-05-27
申请人： 合肥工业大学
摘要： 本发明公开了一种针对公平感知认知诊断任务的路径因果推理的答题预测方法，包括：1，建立包含敏感属性的认知诊断任务因果图，并用于构建深度神经网络模型；2，建立基于交叉熵损失的混合损失函数；3，在教育数据集上训练深度神经网络模型；4，利用训练好的网络模型对学生答题能力进行预测。本发明能够有效去除教育数据集中敏感属性所带来的偏差，从而实现更加公平的答题能力预测。
-
-
-
-
-
-
-
-
-
搜索结果
67 条记录 (耗时 0.062 秒)
