公开(公告)号：CN116257691A

公开(公告)日：2023-06-13

申请号：CN202310385724.1

申请日：2023-04-12

Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司

Inventor： 顾盼 ,  胡海洋

IPC: G06F16/9535 ,  G06F16/2458 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于潜在图结构挖掘和用户长短期兴趣融合的推荐方法，基于用户的历史行为序列，预测用户点击目标物品的概率。本发明主要分为七个部分：第一部分是将用户历史行为序列分为近期历史行为序列和远期历史行为序列；第二部分是基于用户近期历史行为序列，利用循环神经网络得到用户的短期兴趣；第三部分是根据用户历史行为序列中物品相似度，挖掘潜在图结构；第四部分是基于挖掘出的图结构，利用图神经网络更新物品向量；并基于更新后的物品向量利用循环神经网络得到用户的长期兴趣；第五部分是根据用户兴趣多样性偏好，融合用户的短期兴趣和长期兴趣；第六部分是预测用户对物品的点击率。

公开(公告)号：CN119513358A

公开(公告)日：2025-02-25

申请号：CN202411495303.5

申请日：2024-10-25

Applicant: 绍兴映谧信息科技有限公司 ,  杭州电子科技大学上虞科学与工程研究院有限公司

Inventor： 胡海洋 ,  顾盼

IPC: G06F16/735 ,  G06F16/78 ,  H04N21/466 ,  H04N21/442 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/0499 ,  G06N3/084 ,  G06F18/25

Abstract: 本发明公开了一种基于对比学习框架的短视频推荐方法及系统，用于对多行为序列编码器进行自监督学习，提高用户正负偏好的区分性，进而提升短视频推荐模型的推荐准确度。本发明主要分为三个部分：第一部分是为多行为序列编码器的用户正负偏好计算伪标签，设计对比学习任务对该用户正负偏好进行解耦；第二部分是设计对比学习任务使得多行为序列编码器学习到的用户正面偏好和用户负面偏好的中间状态一直具有区分性；第三部分是融合用户正面偏好和用户负面偏好得到融合偏好，结合推荐任务和对比学习任务训练短视频推荐模型。

公开(公告)号：CN119293313A

公开(公告)日：2025-01-10

申请号：CN202411249385.5

申请日：2024-09-06

Applicant: 绍兴映谧信息科技有限公司 ,  杭州电子科技大学上虞科学与工程研究院有限公司

Inventor： 胡海洋 ,  顾盼

IPC: G06F16/9535 ,  G06F16/735 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明公开了一种基于超循环网络和多任务训练的短视频推荐方法及系统，本发明的方法首先构建超循环神经网络中的超节点，用于对多个用户交互行为进行整合，从而对不同用户交互行为的语义关联进行建模；将获取到的用户的历史行为序列以及目标短视频输入到经过训练的短视频推荐模型中，由基于超节点设计的超循环神经网络捕捉历史行为序列之间的序列依赖关系，并通过高速神经网络对点击节点和喜欢节点之间的有向连接进行建模；然后基于目标短视频的加法注意力机制计算在不同交互行为空间下的用户偏好；最终将不同交互行为空间下的用户偏好进行融合，输出用户点击目标短视频的概率，完成短视频的推荐。