-
Patent Agency Ranking
公开(公告)号：CN116467510A
公开(公告)日：2023-07-21
申请号：CN202310153112.X
申请日：2023-02-22
Applicant: 苏州市职业大学(苏州开放大学)
IPC: G06F16/9535 , G06Q10/10 , G06F18/23213 , G06F18/214 , G06F18/22 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种协同过滤模型的生成方法、项目推荐方法及其装置，该生成方法包括以下步骤：获取多个训练样本，每个训练样本均包含用户、以及与所述用户有过交互的项目；获取每个训练样本对应的图像特征，获取每个训练样本对应的文本特征；对多个训练样本进行预处理，创建协同过滤模型，并利用多个训练样本对该协同过滤模型进行训练。综上所述，该协同过滤模型能够向用于推荐将来最有可能交互的若干项目，从而极大的提高该用户购买该项目的可能性。
-
公开(公告)号：CN116228365A
公开(公告)日：2023-06-06
申请号：CN202310237936.5
申请日：2023-03-13
Applicant: 苏州市职业大学(苏州开放大学)
IPC: G06Q30/0601 , G06N3/045 , G06N3/08 , G06F18/40
Abstract: 本发明公开了一种物品推荐的神经网络的生成方法、物品推荐方法及其装置，该生成方法包括：获取多个交互队列，每个交互队列均对应有用户，每个交互队列均包含有对应的用户交互过的若干物品，且物品对应的交互的发生事件越早，在所述交互队列中，越靠近队头；创建注意力机制的神经网络，所述神经网络包含有频率斜坡采样层、时域自注意力层和频域注意力层；基于所有交互队列，对所述神经网络进行训练。从而生成了一个能够进行物品推荐的神经网络。
-
公开(公告)号：CN116228366A
公开(公告)日：2023-06-06
申请号：CN202310237948.8
申请日：2023-03-13
Applicant: 苏州市职业大学(苏州开放大学)
IPC: G06Q30/0601 , G06F18/214 , G06F18/40
Abstract: 本发明公开了一种序列推荐模型的生成方法、商品推荐方法及其装置，该生成方法包括：接收多个用户一一对应的多个行为序列，所述行为序列包含有与对应用户有过交互的多个商品，每个行为序列都对应有一个推荐商品；创建序列推荐模型，基于多个行为序列、对所述序列推荐模型进行训练。从而生成了一个能够进行序列推荐的模型。
-
公开(公告)号：CN120011622A
公开(公告)日：2025-05-16
申请号：CN202311526781.3
申请日：2023-11-16
Applicant: 苏州市职业大学(苏州开放大学)
IPC: G06F16/9535 , G06F17/16 , G06N3/098
Abstract: 本发明公开了一种对比学习框架的生成方法、推荐方法及其装置，该生成方法包括：获取用户集合，项目集合，以及交互矩阵；创建对比学习框架，所述对比学习框架包括：L层原始表示模型，能够学习的增强表示模型和联合学习模型；基于用户集合、项目集合和交互矩阵，对所述对比学习框架进行训练。该对比学习框架具有推荐的准确性高的优点，且在面临数据稀疏性和噪声问题时，仍然具有较高的推荐准确性。
-
公开(公告)号：CN116089724A
公开(公告)日：2023-05-09
申请号：CN202310151328.2
申请日：2023-02-22
Applicant: 苏州市职业大学(苏州开放大学)
IPC: G06F16/9535 , G06Q30/0601 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种对比学习模型的生成方法、物品推荐方法及其装置，该生成方法包括以下步骤：获取若干交互序列，每个交互序列均包含有用户以及与所述用户有过交互的若干物品；获取每个交互序列中所有物品对应的编码的集合E；对多个交互序列进行预处理，创建对比学习模型，并利用若干交互序列对该对比学习模型进行训练。综上所述，该对比学习模型能够向用于推荐将来最有可能交互的若干项目，从而极大的提高该用户购买该项目的可能性。
-
-
-
-
Search Results
5
records
(took 0.026 seconds)
