公开(公告)号：CN116561430A

公开(公告)日：2023-08-08

申请号：CN202310661036.3

申请日：2023-06-05

Applicant: 支付宝(杭州)信息技术有限公司 ,  合肥工业大学

Inventor： 吴乐 ,  杨永晖 ,  张琨 ,  洪日昌 ,  汪萌 ,  吴郑伟 ,  张志强 ,  周俊

IPC: G06F16/9535 ,  G06Q10/0639 ,  G06F18/22 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本说明书实施例提供一种推荐方法及装置，涉及对双曲空间中的目标用户表征矩阵和目标对象表征矩阵进行多轮次迭代更新。该方法中任一轮次的迭代更新包括：先将当前的两个目标表征矩阵分别映射至双曲空间的切平面，得到两个第一表征矩阵；接着，基于构建好的异构图，利用图神经网络更新两个第一表征矩阵得到更新后的两个第二表征矩阵，该异构图中具有预设关联关系的用户节点之间，以及存在预设交互行为的用户节点和对象节点之间形成连接边；再将两个第二表征矩阵分别映射回双曲空间，得到两个第三表征矩阵，用以确定样本用户对样本对象的预测评分；之后，基于预测评分和对应的交互行为标签，在双曲空间中更新当前的两个目标表征矩阵。

公开(公告)号：CN116028708A

公开(公告)日：2023-04-28

申请号：CN202211249909.1

申请日：2022-10-12

Applicant: 支付宝(杭州)信息技术有限公司 ,  合肥工业大学

Inventor： 陈雷 ,  吴乐 ,  张琨 ,  邵鹏阳 ,  连德富 ,  洪日昌 ,  张志强 ,  周俊 ,  汪萌

IPC: G06F16/9535 ,  G06Q30/06 ,  G06Q30/0251 ,  G06F18/214 ,  G06F18/24 ,  G06N3/048 ,  G06N3/084

Abstract: 本说明书实施例提供一种推荐模型的训练方法及装置。该方法包括：首先，获取真实样本集，其中任意的第一真实样本包括第一用户的用户特征和第一业务对象的对象特征，以及指示所述第一用户是否对第一业务对象做出预定行为的第一行为标签；所述真实样本集涉及的M个用户被划分为与预设敏感属性的两个属性值对应的两组用户；接着，基于所述第一真实样本构造对应的虚构样本，所述虚构样本涉及的第二用户与所述第一用户分属于所述两组用户，所述虚构样本涉及的虚构业务对象与所述第一业务对象的相似度满足预设阈值，所述虚构样本的虚构行为标签具有与所述第一行为标签相同的标签值；之后，基于所述第一真实样本和虚构样本，训练所述推荐模型。

公开(公告)号：CN116611731A

公开(公告)日：2023-08-18

申请号：CN202310572391.3

申请日：2023-05-18

Applicant: 支付宝(杭州)信息技术有限公司 ,  合肥工业大学

Inventor： 吴乐 ,  杨永晖 ,  张琨 ,  洪日昌 ,  汪萌 ,  吴郑伟 ,  张志强 ,  周俊

IPC: G06Q10/0639 ,  G06F18/23 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本说明书实施例提供了一种评分模型训练方法、用户推送方法及装置。在评分模型的训练方法中，构造用户与推送对象之间交互的关系网络，通过变分图推理网络估计用户和推送对象的节点表征连续分布，并对该节点表征连续分布进行采样，得到作为对比目标的第一采样表征和第二采样表征，基于该对比目标确定节点级别的对比损失函数。同时，利用节点表征连续分布重构用户与推送对象之间的关系网络，从而得到重构损失函数。利用节点表征连续分布对用户和推送对象进行聚类，基于聚类结果计算聚类感知的对比损失函数。联合多个损失函数进行多任务学习，更新模型直至收敛。利用训练后的评分模型计算用户对推送对象的评分，基于该评分进行用户推送。

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

Applicant: 合肥工业大学

Inventor： 张琨 ,  吴乐 ,  洪日昌 ,  汪萌

IPC: G06F16/35 ,  G06F40/30 ,  G06F18/214 ,  G06F18/25

Abstract: 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

Applicant: 合肥工业大学

Inventor： 张琨 ,  张大操 ,  吴乐 ,  田蜜 ,  洪日昌 ,  汪萌

IPC: G06N5/04 ,  G06N3/04 ,  G06N3/08

Abstract: 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。

公开(公告)号：CN116341515A

公开(公告)日：2023-06-27

申请号：CN202310205380.1

申请日：2023-03-06

Applicant: 合肥工业大学

Inventor： 张琨 ,  刘畅 ,  吴乐 ,  张大操 ,  汪萌

IPC: G06F40/211 ,  G06N20/00

Abstract: 本发明公开了一种面向对比学习的动态课程的句子表示方法，属于自然语言处理领域，其步骤包括：1.对输入的数据通过数据增强的方式构建正样本。2.将经过数据增强后的正样本句子与锚点句子进行相似度计算，作为正样本的难度。3.对增强后的句子的难度进行降序排列。4.计算当前模型的能力来确定训练样本。5.训练中保存并加载最优模型并重新对样本难度进行划分。6.通过对比学习拉近与锚点句子更相似的正样本从而获得更高质量的句子表示。本发明通过利用课程学习的思想来缓解因数据增强导致句子表示质量不一致从而影响对比学习中模型的性能，来对增强后的正样本进行难度排序，从而能生成更高质量的句子表示。

公开(公告)号：CN112905894B

公开(公告)日：2022-08-19

申请号：CN202110312224.6

申请日：2021-03-24

Applicant: 合肥工业大学

Inventor： 吴乐 ,  杨永晖 ,  张琨 ,  汪萌 ,  洪日昌

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06F17/16

Abstract: 本发明公开了一种基于增强图学习的协同过滤推荐方法，包括：1.构造用户对产品的二部图，包括：用户节点集、产品节点集、邻接矩阵；2.通过独热编码得到嵌入矩阵作为节点特征；3.根据当前节点特征计算相似矩阵，并做稀疏化；4.稀疏化的相似矩阵作为残差项和邻接矩阵相加，得到增强后的邻接矩阵；5.根据增强后的邻接矩阵构造图卷积层进行特征传播，得到节点表征；6.根据节点表征到预测层得到评分矩阵，从而实现产品推荐。本发明能够基于节点之间的相似度自适应的学习图结构信息，增强图鲁棒性和完整性，从而学习更精准的节点表征，进而提高推荐性能。

公开(公告)号：CN113343113A

公开(公告)日：2021-09-03

申请号：CN202110755889.4

申请日：2021-07-05

Applicant: 合肥工业大学 ,  广州博观文语科技有限公司

Inventor： 张琨 ,  汪帅 ,  吴乐 ,  洪日昌 ,  汪萌 ,  曾宪锋

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积网络进行知识蒸馏的冷启动实体推荐方法，包括：1.构造用户对产品的隐式反馈矩阵、用户属性矩阵、产品属性矩阵、用户学生模型的用户图邻接矩阵、产品学生模型的产品图邻接矩阵；2.通过独热编码和随机初始化的方式构造输入层；3.通过图卷积分别对教师模型、用户学生模型和产品学生模型进行特征传播；4.构造预测层进行用户对产品的评分预测；5.根据预测层的输出结果拟合真实标签更新特征矩阵和属性节点的嵌入表征矩阵；6.重复步骤3～5至新用户新产品推荐效果达到最优。本发明能够充分挖掘图的高阶信息以及用户、产品和属性节点之间的潜在关联，从而实现冷启动实体的精准推荐。

公开(公告)号：CN112906398A

公开(公告)日：2021-06-04

申请号：CN202110051094.5

申请日：2021-01-14

Applicant: 合肥工业大学

Inventor： 张琨 ,  吴乐 ,  汪萌

IPC: G06F40/30 ,  G06F40/211 ,  G06K9/62

Abstract: 本发明提供一种句子语义匹配方法、系统、存储介质和电子设备，涉及句子语义匹配技术领域。本发明包括预处理待分析句子对，获取待分析句子对的向量表示；将所述向量表示输入预先训练的语义关系模型，获取待分析句子对语义匹配关系的概率；将所述概率作为待分析句子对语义关系的预测结果。基于对比学习的句子语义匹配方法，不仅通过分析输入句子的文本信息建模句子之间的语义关系；同时，通过对比属于同一标签和属于不同标签的句子对之间的关系(即关系的关系)，从而挖掘出句子对中与标签相关联的不变的特征，通过对这些特征的充分利用，实现了更为准确的句子语义表示以及句子语义关系的预测。

公开(公告)号：CN114723522B

公开(公告)日：2024-11-26

申请号：CN202210345556.9

申请日：2022-03-31

Applicant: 合肥工业大学

Inventor： 张琨 ,  帅杰 ,  吴乐 ,  洪日昌 ,  汪萌

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明公开了一种面向评论文本的图神经网络推荐方法，包括：1.利用用户对产品的评论和评分构建用户与商品的二部图，包括：用户节点集、产品节点集、评分矩阵、评论特征张量。2.构建面向评论文本的图卷积方法，将评论和评分作为边的特征参与图卷积，编码用户与产品表征。3.利用图对比学习增强用户与产品的表征。4.构建交互层，从用户与产品的表征编码交互向量。5.通过对比学习拉近交互表征与评论向量的分布。6.根据交互表征预测评分，从而实现产品推荐。本发明将评论和评分作为用户与产品的交互特征，自适应学习二者之间的相互影响，学习更精准的节点表征和更细腻的用户偏好，从而能提高推荐性能。