公开(公告)号：CN117808561A

公开(公告)日：2024-04-02

申请号：CN202410138428.6

申请日：2024-01-31

Applicant: 中南大学 ,  湖南大学

Inventor： 邓晓衡 ,  李博 ,  姜文君 ,  桂劲松 ,  张菁菁

IPC: G06Q30/0601 ,  G06F18/241 ,  G06N3/092 ,  G06F18/22

Abstract: 本申请适用于商品推荐技术领域，提供了一种基于深度强化学习的商品推荐系统，包括：分类智能体、多个组内智能体以及多个商品智能体；分类智能体用于根据待推荐用户的属性信息、待推荐用户在历史时间段内购买的商品信息、在当前时间段内浏览的商品信息，从多个组内智能体中筛选出待推荐用户所属的目标组内智能体；目标组内智能体用于根据待推荐用户在当前时间段内浏览的商品信息，从多个商品智能体中筛选出待推荐用户所属的目标商品智能体；目标商品智能体用于根据待推荐用户的属性信息、待推荐用户在历史时间段内购买的商品信息，输出待推荐用户的商品推荐列表。本申请能提升推荐系统的商品推荐精度。

公开(公告)号：CN118964740A

公开(公告)日：2024-11-15

申请号：CN202411145865.7

申请日：2024-08-20

Applicant: 湖南大学

Inventor： 李松 ,  姜文君 ,  邓晓衡 ,  李肯立 ,  李克勤

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及信息处理技术领域，具体为基于局部兴趣建模缓解兴趣突变的推荐方法，包括多尺度局部兴趣建模、自适应校准和候选物品推荐。其中，多尺度局部兴趣建模将交互子序列进行分割，建模子序列内部和子序列间的演化，并生成多尺度的局部兴趣；自适应校准生成物品相关的兴趣信号，预测用户兴趣的突变程度，并进行自适应的兴趣校准；综合考虑了用户的兴趣局部性和兴趣突变，提高了个性化推荐系统的效果；通过将局部性建模和兴趣突变建模相结合，能够更准确地理解和预测用户的兴趣变化，为用户提供更具个性化的推荐服务。

公开(公告)号：CN118822680A

公开(公告)日：2024-10-22

申请号：CN202410873198.8

申请日：2024-07-01

Applicant: 湖南大学

Inventor： 姜文君 ,  魏朝勇 ,  邓晓衡 ,  李肯立 ,  李克勤

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/0442 ,  G06N3/048 ,  G06F17/16

Abstract: 本发明提供了一种兴趣得分预测方法、装置、存储介质及程序产品，所述兴趣得分预测方法包括根据目标用户所对应的历史交互行为提取所述目标用户所对应的初始兴趣表示；根据所述历史交互行为提取所述目标用户所对应的目标特征级信息；将所述初始兴趣表示和所述目标特征级信息进行融合，以获得所述目标用户所对应的目标兴趣表示；根据所述初始兴趣表示、所述候选特征级信息和所述目标兴趣表示预测候选对象的兴趣得分。本发明提供的兴趣得分预测方法，将目标用户的项目级兴趣表示与特征级兴趣表示相融合得到的目标兴趣表示，可以充分反应用户的真实兴趣，可以准确预测目标用户对候选对象的兴趣程度。