-
公开(公告)号：CN111667339A
公开(公告)日：2020-09-15
申请号：CN202010457761.5
申请日：2020-05-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进递归神经网络的诽谤性恶意用户检测方法，包括以下步骤：步骤S1，搭建层次化双注意力递归神经网络HDAN模型；步骤S2，联合过滤；步骤S3，改进的非负矩阵分解推荐系统。本发明通过诽谤性恶意用户检测推荐系统框架SDRS，结合HDAN模型，可以为推荐系统在真实世界中的表现带来极大的提升，从这些用户的交互行为方式出发，将这类用户的特点抽象为评论与评级之间存在语义鸿沟，再利用HDAN来对评论中的语义进行情感分析，结合联合过滤的策略，可以检测并过滤掉此类恶意用户，为推荐系统带来了一个更为优质和纯净的输入，使得推荐系统的性能得以提升。
-
公开(公告)号：CN119598123A
公开(公告)日：2025-03-11
申请号：CN202411639036.4
申请日：2024-11-18
Applicant: 吉林大学
IPC: G06F18/20 , G06F18/241 , G06F18/214 , G06F18/2136 , G06N3/0464 , G06N3/047 , G06N3/045
Abstract: 本申请公开了一种稀疏群智感知中的感知区域选择方法、分类方法及装置，涉及数据分类领域，该方法包括获取目标区域内t时刻的稀疏时空数据并进行预处理，得出每一数据缺失子区域对应的特征矩阵；根据每一数据缺失子区域对应的特征矩阵，应用贪婪近似算法从所有数据缺失子区域中选择出各待采集子区域。获取待采集子区域的数据更新分类模型的训练数据集，对分类模型进行重新训练，得出符合性能要求的分类模型。本发明中，提出了一种合理选择感知区域的方法，能够选择出对分类任务更有价值的区域，基于选择出的感知区域采集数据，提高采集数据的代表性(价值)，进而提高了分类模型的分类精度。
-
公开(公告)号：CN119149834B
公开(公告)日：2025-01-14
申请号：CN202411658282.4
申请日：2024-11-20
Applicant: 吉林大学
IPC: G06F16/9537 , G06F16/9535 , G06Q50/00 , G06N3/0455 , G06N3/084
Abstract: 本发明公开城市推荐技术领域的基于用户历史签到序列的城市POI推荐与时间戳预测方法，具体步骤为：收集用户的历史签到数据，并按照时间顺序对每位用户的签到记录进行排序，形成用户签到序列，随后将数据实时传输至服务器并存储、对数据进行预处理，然后从预处理后的用户签到序列中提取出有效的POI序列和时间戳序列，将POI序列和时间戳序列输入到构建的TAPT模型中，利用TAPT模型中高效的编码器模块和嵌入连接层，将POI嵌入与时间戳嵌入进行融合，形成联合嵌入，最终，联合嵌入输入到POI推荐模型和时间戳预测器中，实现对POI及其对应时间戳的联合预测，克服了现有技术在用户行为建模和时间信息处理方面不足的问题。
-
公开(公告)号：CN119560055A
公开(公告)日：2025-03-04
申请号：CN202411607313.3
申请日：2024-11-12
Applicant: 吉林大学
Abstract: 本申请公开了一种分子优化方法、装置、设备、介质及产品，涉及分子设计领域，该方法包括：根据第一训练集，以第一损失函数最小为目标，采用对比学习对条件transformer模型进行训练，得到生成模型；第一损失函数包括对比损失函数、KL损失函数和最大似然估计函数；根据生成模型得到优化分子，并基于知识蒸馏方法根据优化分子对RNN模型进行训练得到蒸馏模型；根据蒸馏模型采用强化学习方法对智能体模型进行训练得到分子优化模型，所述分子优化模型用于对待优化分子进行优化；所述强化学习方法中的奖励函数包括结合亲和力，本申请可解决曝光偏差的问题，使得最终生成的优化分子符合要求。
-
公开(公告)号：CN117891999A
公开(公告)日：2024-04-16
申请号：CN202311866136.6
申请日：2023-12-29
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/22 , G06N3/0499 , G06N3/0455 , G06N3/042 , G06F123/02
Abstract: 本发明提供一种基于空间位置与时间跨度的序列推荐方法，涉及序列推荐技术领域，本发明通过TPE模块根据兴趣点之间的时间间隔动态调整兴趣点在序列中的位置，并通过正弦变换生成位置表示，反映兴趣点之间的相对时间接近度，并利用DTW算法的输出来提供更丰富的时间位置信息，这将使时间位置编码器更加敏感于用户行为的时间动态；ISAB模块交替使用位置感知注意力层和前馈网络，将空间－时间间隔缩放后加到注意力机制中，以增加注意力机制对所有兴趣点之间的空间关系的重视程度，且引入多头注意力机制来提高对序列中多样模式的捕捉能力，缓解局部兴趣点之间关注度的不足。
-
Patent Agency Ranking
公开(公告)号：CN111667339B
公开(公告)日：2022-05-27
申请号：CN202010457761.5
申请日：2020-05-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进递归神经网络的诽谤性恶意用户检测方法，包括以下步骤：步骤S1，搭建层次化双注意力递归神经网络HDAN模型；步骤S2，联合过滤；步骤S3，改进的非负矩阵分解推荐系统。本发明通过诽谤性恶意用户检测推荐系统框架SDRS，结合HDAN模型，可以为推荐系统在真实世界中的表现带来极大的提升，从这些用户的交互行为方式出发，将这类用户的特点抽象为评论与评级之间存在语义鸿沟，再利用HDAN来对评论中的语义进行情感分析，结合联合过滤的策略，可以检测并过滤掉此类恶意用户，为推荐系统带来了一个更为优质和纯净的输入，使得推荐系统的性能得以提升。
-
公开(公告)号：CN119415780B
公开(公告)日：2025-04-22
申请号：CN202510033253.7
申请日：2025-01-09
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下：提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
-
公开(公告)号：CN119441628A
公开(公告)日：2025-02-14
申请号：CN202510037762.7
申请日：2025-01-10
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/24
Abstract: 本发明公开了因果不变性和无偏推荐技术领域的一种基于辅助信息学习不变和环境偏好的无偏推荐方法，步骤如下：根据因果关系图得到用户和项目交互的数据、把数据里的辅助信息输入到环境分类器里，通过辅助信息作为指导对输入的辅助信息进行环境划分、基于环境划分分别学习不变偏好和环境特定偏好以捕捉用户的不变偏好和环境特定偏好以及基于学习到的用户的不变偏好和用户所属环境的环境特定偏好输出最终的预测结果，本发明通过辅助信息作为指导来获得更可靠的环境划分，克服了以往学习不变偏好时环境划分的不准确性，并且在此基础上加入了环境特定偏好，把环境中用户偏好的动态变化考虑在内，提高了无偏推荐的准确性以及环境偏好的动态性。
-
公开(公告)号：CN119415780A
公开(公告)日：2025-02-11
申请号：CN202510033253.7
申请日：2025-01-09
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下：提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
-
公开(公告)号：CN119294613A
公开(公告)日：2025-01-10
申请号：CN202411813422.0
申请日：2024-12-11
Applicant: 吉林大学
Abstract: 本发明公开智慧城市和跨城市迁移技术领域的一种可解释的任务特定跨城市迁移学习方法，步骤如下：基于深度矩阵分解算法，动态提取源城市的CTS区域、利用城市POI和路网数据的辅助信息计算源城市与目标城市之间的相似性，选择出相似度最高的CTS区域、将选择出相似度最高的CTS区域的数据迁移至目标城市，并通过深度矩阵分解技术对目标城市的数据进行补全，本发明有效克服了现有跨城市知识迁移技术中的计算开销大，迁移效果低和可解释性差等问题，显著减少了计算复杂度，并提升了对目标任务的适应性和迁移的准确性。此外，能够清楚识别哪些区域对目标城市有利，并在数据稀缺的情况下，实现了高效的数据补全。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
