公开(公告)号：CN119416060A

公开(公告)日：2025-02-11

申请号：CN202411614016.1

申请日：2024-11-13

Applicant: 合肥工业大学

Inventor： 吴乐 ,  谭政涛 ,  张琨 ,  侯旻 ,  许鹤飞 ,  鲍纪敏 ,  陈祥志

IPC: G06F18/2415 ,  G06F18/2431 ,  G06F16/9535 ,  G06Q50/20 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于自适应数据增强的去偏认知诊断方法，包括：1.构造异构数据，包括：学生对习题的答题记录及习题与知识点的关系矩阵；2.通过有选择的数据增强生成偏差数据，并与学生答题记录一起输入偏差认知诊断模型中，并输出偏差预测结果，从而构建偏差认知诊断模型的对称交叉熵损失；3.基于偏差认知诊断模型输出的预测结果，自适应地生成无偏数据，并与学生答题记录一起输入去偏认知诊断模型中进行处理，并输出去偏预测结果，从而构建去偏认知诊断模型的加权交叉熵损失；4.在模型推断阶段，利用建立好的去偏认知诊断模型对学生答题能力进行预测。本发明能缓解认知诊断中的偏差问题。

公开(公告)号：CN117194785A

公开(公告)日：2023-12-08

申请号：CN202311158403.4

申请日：2023-09-08

Applicant: 合肥工业大学

Inventor： 吴乐 ,  白浩岳 ,  侯旻 ,  杨永晖 ,  张琨 ,  洪日昌 ,  汪萌

IPC: G06F16/9535 ,  G06N3/084 ,  G06N3/048 ,  G06N3/0455 ,  G06F18/23213 ,  G06Q30/0601

Abstract: 本发明公开了一种面向多媒体的生成式泛化冷启动推荐方法，包括：1.利用用户和产品的交互记录构建评分矩阵；2.通过独热编码方式构造输入层，并结合产品的多媒体特征，将用户、产品映射到不同的嵌入空间；3.通过贝叶斯排序损失函数优化用户、产品嵌入；4.构建生成式神经网络，包括：先验神经网络、编码器、解码器；5.构建均匀性增强的条件变分自编码器，用于使原始变分自编码器的潜在空间更加均匀和可区分；6.基于聚类的新产品嵌入生成方法得到新产品生成嵌入；7.通过向量点积的方式预测用户对新产品的喜爱程度。本发明能够利用产品的多媒体信息为新产品做出推荐，从而能缓解推荐系统中的冷启动问题。

公开(公告)号：CN117349457A

公开(公告)日：2024-01-05

申请号：CN202311418161.8

申请日：2023-10-30

Applicant: 合肥工业大学

Inventor： 吴乐 ,  白浩岳 ,  侯旻 ,  蔡苗苗 ,  贺壮壮 ,  洪日昌 ,  汪萌

IPC: G06F16/435 ,  G06F16/48 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于不变学习的多媒体泛化推荐方法，包括：1.构造异构数据；2.构建冷启动推荐网络，包括表征生成器、嵌入层，和用户协同表征矩阵；3.表征生成器对多媒体原始特征进行处理，得到产品集中各个模态的表征向量；4.初始化用户协同矩阵并经过嵌入层得到用户的最终表征向量；5.由循环混合层构建M个不同环境下的模态融合的权重集合，用于生成表征差异化环境并优化不变表征；6.根据不同环境下的推荐损失计算不变损失函数；7.联合各个损失函数并对推荐产品网络进行多任务学习以更新网络参数，实现新产品推荐。本发明利用对齐和不变学习的思想有效提升模型的泛化能力，并缓解冷启动推荐问题。