公开(公告)号：CN114880583B

公开(公告)日：2024-03-05

申请号：CN202210511621.0

申请日：2022-05-11

Applicant: 合肥工业大学

Inventor： 吴乐 ,  罗苏常 ,  杨永晖 ,  张琨 ,  孙培杰 ,  洪日昌 ,  张志强 ,  周俊

IPC: G06F16/9536 ,  G06Q30/0601 ,  G06N3/0895

Abstract: 本发明公开了一种基于自监督学习的跨域社交产品推荐方法，包括：1.构造异构数据：用户对产品的评分矩阵、用户与用户之间的社交关系矩阵；2.通过异构图构造层对异构数据处理得到用户‑用户‑产品的异构图网络；3.通过独热编码层得到用户协同矩阵、产品协同矩阵；4.通过图卷积层进行特征传播；5.构造节点特征聚合层；6.构造节点预测层进行产品推荐；7.构建自监督学习层对节点局部特征和全局特征进行互信息最大化学习，直至在社交域上的社交冷启动用户产品推荐效果达到最优。本发明能够充分挖掘整个异构图的全局信息、减少模型对桥梁用户数量的依赖、学习更好的桥梁用户表征，以此提高在社交冷启动用户上的产品推荐性能。

公开(公告)号：CN117474399A

公开(公告)日：2024-01-30

申请号：CN202311462970.9

申请日：2023-11-06

Applicant: 合肥工业大学

Inventor： 吴乐 ,  谢俊松 ,  张琨 ,  邵鹏阳 ,  刘菲

IPC: G06Q10/0639 ,  G06Q50/20 ,  G06F18/214 ,  G06F18/213

Abstract: 本发明公开了一种反事实公平性的认知诊断方法，包括：1.构造多源数据：学生‑习题交互记录、学生‑自致属性、敏感属性等数据；2.提出认知诊断中的公平性定义；3.在传统认知诊断中计算有偏的总体因果效应；4.在模型推断阶段，设计反事实的认知诊断模型，计算敏感属性到知识熟练度的虚假关联效应，同时将其从步骤3计算的有偏总体效应中减去，实现认知诊断的公平性。本发明基于反事实的去偏思想，通过捕获仅有敏感属性产生的虚假关联，再从有偏的总体效应中减去，能够有效缓解认知诊断中的公平性问题，同时保持模型的有用性。

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：CN115221943A

公开(公告)日：2022-10-21

申请号：CN202210687172.5

申请日：2022-06-17

Applicant: 合肥工业大学

Inventor： 张琨 ,  吕广奕 ,  吴乐 ,  汪萌

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明提供种融合EM算法的对比学习负样本高效采样方法、系统、存储介质和电子设备，涉及对比学习技术领域。与现有方法相比，本发明实施例通过引入EM算法，在计算对比学习损失的过程中能够充分考虑负样本的质量，通过不断选择高置信度的负样本，有效提升了对比学习方法的性能，同时本发明实施例仅在优化目标上进行了设计，使得本发明实施例是模型无关的，能够使用于不同任务场景和各类对比学习框架，具有良好的泛化性能和适用性。

公开(公告)号：CN113836298A

公开(公告)日：2021-12-24

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 ,  G06K9/62

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：CN113361791A

公开(公告)日：2021-09-07

申请号：CN202110684691.1

申请日：2021-06-21

Applicant: 合肥工业大学

Inventor： 吴乐 ,  刘梦凡 ,  张琨 ,  邵鹏阳 ,  陈雷 ,  汪萌 ,  洪日昌

IPC: G06Q10/04 ,  G06Q50/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积的学生成绩预测方法，包括：1.利用学生答题记录构造学生、习题、知识概念交互图；2.通过独热编码方式构造输入层，将学生、习题、知识概念映射到不同的嵌入空间；3.通过图卷积在学生‑习题交互图中进行特征传播，从而预测学生对目标习题的掌握程度；4.通过向量点积的方式预测学生对目标习题所涉及知识概念的掌握程度；5.以一定比例将学生对习题和知识概念的掌握程度结合得到最终分数预测结果。6.建立损失函数令预测结果拟合真实标签以优化更新模型参数。本发明能够挖掘学生答题历史中的高阶图信息，并结合潜在知识概念的影响，进行更准确的学生分数预测，从而促进习题推荐、提供学习建议等下游任务。

公开(公告)号：CN113222772A

公开(公告)日：2021-08-06

申请号：CN202110377621.1

申请日：2021-04-08

Applicant: 合肥工业大学 ,  合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

Inventor： 吴乐 ,  张琨 ,  汪萌 ,  孙晓

IPC: G06Q50/00 ,  G06F40/242 ,  G06F16/35 ,  G06F40/216 ,  G06F40/30 ,  G06N20/00

Abstract: 本发明提供一种本土人格词典构建方法、系统、存储介质以及电子设备，涉及人格词典技术领域。本发明获取并预处理用户的社交媒体数据，获取每个词的语义向量表示；根据预处理后的社交媒体数据，采用统计学习方法获取第一人格描述词集；根据语义向量表示，采用深度学习算法获取第二人格描述词集；至少融合第一人格描述词集和第二人格描述词集，得到本土人格词典。本发明通过使用机器学习的方法自动抽取用户的社交媒体数据中最具代表性的词，减少了人为因素的影响，同时能够有效适应语义的演变，以及不同的语言；此外，本发明生成的本土人格词典规模能够根据具体情况具体调整，同时通过处理大规模社交媒体信息实现最全面普遍的人格描述。

公开(公告)号：CN112435079A

公开(公告)日：2021-03-02

申请号：CN202011488060.4

申请日：2020-12-16

Applicant: 合肥工业大学

Inventor： 吴乐 ,  孙培杰 ,  张琨 ,  汪萌 ,  洪日昌 ,  罗苏常

IPC: G06Q30/02 ,  G06Q30/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种面向纯社交平台的广告推荐方法，其步骤包括：1.构造信息域用户对广告点击行为矩阵与社交域用户之间的社交关系矩阵；2.通过独热编码方式构造信息域中用户和广告的特征矩阵，并作为信息域中用户和广告在行为偏好空间中的表征；3.在社交域中，根据用户与用户之间的社交关系学习用户行为偏好表征；4.通过矩阵相乘得到用户对广告点击行为的预测。本发明能在只有用户社交关系的情况下，不需要任何用户属性信息，就可以学习用户的行为偏好，进而实现对用户进行特定广告推荐。

公开(公告)号：CN111291270A

公开(公告)日：2020-06-16

申请号：CN202010136256.0

申请日：2020-03-02

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 ,  G06F17/16 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种基于自适应图卷积网络的属性推理和产品推荐方法，包括：1.构造异构数据：用户对产品的评分矩阵、用户属性矩阵、产品属性矩阵、用户属性索引矩阵、产品属性索引矩阵；2.对用户属性矩阵以及产品属性矩阵进行缺失值填充预处理；3.通过独热编码得到协同矩阵；4.根据属性矩阵和协同矩阵构造特征融合层；5.通过图卷积层进行特征传播；6.构造预测层进行属性推理和产品推荐；7.根据预测层输出结果更新节点属性矩阵；8.重复步骤4～7至属性推理和产品推荐效果达到最优。本发明能够充分挖掘图的高阶结构信息、节点属性之间的内在交互、节点属性和链接关系的潜在关联，从而实现更精准的属性推理和产品推荐。

公开(公告)号：CN118133810A

公开(公告)日：2024-06-04

申请号：CN202410254607.6

申请日：2024-03-06

Applicant: 合肥工业大学

Inventor： 张琨 ,  李博 ,  洪日昌

IPC: G06F40/211 ,  G06F40/253 ,  G06F40/186 ,  G06F40/194

Abstract: 本发明公开了一种基于句法捷径注入的文本数据保护方法，包含：1获取并预处理文本数据，得到每个文本数据的句法解析树；2通过从给定文本句法中选择出n个出现频率最高的句法模板构建句法模板库；3根据给定文本的句法和构建的句法模板库，计算某一类别内文本句法和句法模板库中句法的相似度，选择出相似度最高的句法模板；4根据为每个类别选择的句法模板，为不同类别的数据添加不同的扰动，进而生成不可学习文本数据。本发明通过向文本注入句法特征，能够在不改变文本语义的同时，为文本数据添加了易于学习的特征，进而误导模型学习句法特征，而忽略文本语义特征，从而防止文本数据在被未经授权下用于模型训练。