-
公开(公告)号：CN116701861A
公开(公告)日：2023-09-05
申请号：CN202310619062.X
申请日：2023-05-29
Applicant: 西安电子科技大学广州研究院 , 西安电子科技大学
IPC: G06F18/20 , G06F18/214 , G06F16/9535
Abstract: 本发明具体涉及一种基于显式和隐式反馈特征的后融合个性化推荐模型和方法，该模型包括显式特征提取模块、隐式特征提取模块和整体特征提取模块，显式特征提取模块和隐式特征提取模块分别与整体特征提取模块连接；该方法融合了IBPR模型和BiasSVD模型，将BiasSVD模型得到的预测的评分矩阵和IBPR模型得到的预测的排序评分矩阵进行加权求和，得到最终的预测的排序评分矩阵，将用户预测得到的所有排序评分从高到低进行排序，并将排序比较靠前的前个项目推荐给用户。本发明利用BiasSVD模型提取显式反馈特征、IBPR模型提取隐式反馈特征，并充分利用数据集中的历史评分数据和隐式反馈数据，缓解了推荐系统的冷启动问题，提高了推荐系统的性能。
-
公开(公告)号：CN115830477A
公开(公告)日：2023-03-21
申请号：CN202211509371.3
申请日：2022-11-29
Applicant: 西安电子科技大学广州研究院 , 西安电子科技大学
IPC: G06V20/17 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种面向无人机目标检测的动态上下文关系采集网络(DyCC‑Net)结构，包括骨干网络，骨干网络通过动态上下文关系采集器(DyCC)连接顶到底通路，顶到底通路连接检测头。本发明DyCC‑Net通过DyCC，实现了对于输入图像的感知推理。DyCC‑Net能够自动地区分不同难度的图像，自主地选择是否执行上下文关系采集模块，从而在保障目标检测性能的前提下，减少算法计算开销的目标。实施例表明，DyCC‑Net的检测性能不仅比国际最先进的检测算法还要高出2％左右的准确率，而且算法的计算开销减少约10％。
-
公开(公告)号：CN119578455A
公开(公告)日：2025-03-07
申请号：CN202411732403.5
申请日：2024-11-29
Applicant: 西安电子科技大学
IPC: G06N3/042 , G06Q10/1053 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/047
Abstract: 本发明属于推荐系统领域，公开了一种基于图神经网络和协同注意力机制的双向就业推荐系统及方法，针对现有就业推荐方法在候选人不同工作经验对特定职位需求贡献度上的区分不足、缺少对招聘者经验的考量等局限性，本发明做出如下创新：(1)构建双视角异构图，将求职和招聘双方的选择偏好分别建模为主动和被动选择节点，从而捕捉双向互动关系；(2)设计分层能力感知模块，利用多层注意力机制解析职位要求与候选人经历间的匹配度，增强了对细粒度特征的理解；(3)引入协同注意力机制，通过映射招聘者的历史招聘经验到当前场景，优化推荐的适应性与精确性。该发明能够更全面地建模招聘过程中的双向选择行为，显著提升就业推荐的准确性。
-
公开(公告)号：CN119539759A
公开(公告)日：2025-02-28
申请号：CN202411685039.1
申请日：2024-11-22
Applicant: 西安电子科技大学
IPC: G06Q10/1053 , G06Q10/067 , G06N5/022 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F18/25 , G06F123/02
Abstract: 本申请属于数据分析技术领域。本申请提供一种基于职业发展趋势建模的双向就业推荐方法。本公开实施例利用DMU‑Net架构对求职者的职业发展趋势进行建模。DMU‑Net通过时间序列特征金字塔网络实现多层次特征提取，从而在浅层捕捉季节性变化，深层识别长期趋势，接着设计了跨层注意力机制以融合不同尺度的特征信息，并引入动态多键值记忆矩阵，有效减少下采样过程中的信息损失。此外，通过双视角编码器与自适应特征融合层的设计，实现了对求职者和招聘方需求的双向匹配，提供更精准的就业推荐。
-
-
-
Search Results
4
records
(took 0.016 seconds)
