公开(公告)号：CN113836298B

公开(公告)日：2024-08-20

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 ,  G06F18/214 ,  G06F18/25

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：CN118504690A

公开(公告)日：2024-08-16

申请号：CN202410660045.5

申请日：2024-05-27

Applicant: 合肥工业大学

Inventor： 张琨 ,  张大操 ,  吴乐 ,  田蜜 ,  洪日昌 ,  汪萌

IPC: G06N5/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种针对公平感知认知诊断任务的路径因果推理的答题预测方法，包括：1，建立包含敏感属性的认知诊断任务因果图，并用于构建深度神经网络模型；2，建立基于交叉熵损失的混合损失函数；3，在教育数据集上训练深度神经网络模型；4，利用训练好的网络模型对学生答题能力进行预测。本发明能够有效去除教育数据集中敏感属性所带来的偏差，从而实现更加公平的答题能力预测。

公开(公告)号：CN118035559A

公开(公告)日：2024-05-14

申请号：CN202410344265.7

申请日：2024-03-25

Applicant: 合肥工业大学

Inventor： 吴乐 ,  谢俊松 ,  杨永晖 ,  王子瀚 ,  洪日昌 ,  汪萌

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06F18/24 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种基于信息瓶颈的去偏推荐方法，包括：1.构造原始数据：用户对产品的交互矩阵，用户有偏属性矩阵；2.使用有偏属性编码器学习用户‑产品交互数据中的用户有偏表征；3.基于深度图神经网络学习用户和产品表征矩阵；4.基于信息瓶颈理论最小化用户表征与有偏表征，用户子图表征与有偏表征之间的互信息，计算损失函数；5.基于用户和产品表征矩阵重构交互矩阵，计算损失函数；6.联合步骤4‑步骤5的损失函数进行信息瓶颈学习，更新模型参数至模型收敛。本发明基于信息瓶颈的思想，在满足推荐任务的需求下学习无偏的用户表征，从而能有效减少推荐偏差，保证推荐的准确性。

公开(公告)号：CN117786219A

公开(公告)日：2024-03-29

申请号：CN202311830302.7

申请日：2023-12-28

Applicant: 合肥工业大学

Inventor： 储亮 ,  吴乐 ,  汪萌

IPC: G06F16/9535 ,  G06N3/126 ,  G06N3/092

Abstract: 本发明公开了一种改进遗传算法的多目标电影推荐方法，包括：1，构建电影准确率基因库、电影多样性基因库和电影公平性基因库，根据构建的基因库，初始化原始父种群；2，在多父类交叉环节，设置三个不同的交叉算子，结合强化学习的q‑learning方法自适应的选择交叉算子，奖励值中的超参ω1和ω2用于控制优化的方向；3，在基因突变环节，设置多个不同程度的突变算子，结合强化学习的q‑learning方法自适应的选择突变算子；4，对种群进行非支配排序，同时计算种群中各个个体的拥挤度，按照上述过程进行循环迭代处理，在达到迭代停止条件后，输出最终电影推荐结果。本发明能够提高电影推荐结果的准确性、多样性和公平性。

公开(公告)号：CN116341515A

公开(公告)日：2023-06-27

申请号：CN202310205380.1

申请日：2023-03-06

Applicant: 合肥工业大学

Inventor： 张琨 ,  刘畅 ,  吴乐 ,  张大操 ,  汪萌

IPC: G06F40/211 ,  G06N20/00

Abstract: 本发明公开了一种面向对比学习的动态课程的句子表示方法，属于自然语言处理领域，其步骤包括：1.对输入的数据通过数据增强的方式构建正样本。2.将经过数据增强后的正样本句子与锚点句子进行相似度计算，作为正样本的难度。3.对增强后的句子的难度进行降序排列。4.计算当前模型的能力来确定训练样本。5.训练中保存并加载最优模型并重新对样本难度进行划分。6.通过对比学习拉近与锚点句子更相似的正样本从而获得更高质量的句子表示。本发明通过利用课程学习的思想来缓解因数据增强导致句子表示质量不一致从而影响对比学习中模型的性能，来对增强后的正样本进行难度排序，从而能生成更高质量的句子表示。

公开(公告)号：CN112102004B

公开(公告)日：2022-08-30

申请号：CN202010984847.3

申请日：2020-09-18

Applicant: 合肥工业大学

Inventor： 吴乐 ,  陈雷 ,  鲍俊梅 ,  洪日昌 ,  汪萌

IPC: G06Q30/02 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于残差学习的点击率预测融合方法，包括：1.根据点击率预测数据特点构造训练数据集；2.获取样本基于传统机器学习的点击率预测概率；3.获取基于机器学习模型的预测结果与真实标签之间的残差值；4.获取每个样本基于深度学习的点击率预测概率；5.获得两类模型联合训练的预测结果；6.重复步骤4.2～5以完成一轮次训练；7.重复步骤4～6至至点击率预测准确率达到最好；8.对预测结果集进行降序排序，选取前若干个产品进行推荐。本发明基于残差学习的融合思路，能够充分挖掘点击率预测数据中各类型特征背后的隐藏信息，进而更好地捕获用户的兴趣爱好，并为用户展示点击概率更大的产品，以实现更精准的个性化产品推荐任务。

公开(公告)号：CN112905894B

公开(公告)日：2022-08-19

申请号：CN202110312224.6

申请日：2021-03-24

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 ,  G06Q50/00 ,  G06F17/16

Abstract: 本发明公开了一种基于增强图学习的协同过滤推荐方法，包括：1.构造用户对产品的二部图，包括：用户节点集、产品节点集、邻接矩阵；2.通过独热编码得到嵌入矩阵作为节点特征；3.根据当前节点特征计算相似矩阵，并做稀疏化；4.稀疏化的相似矩阵作为残差项和邻接矩阵相加，得到增强后的邻接矩阵；5.根据增强后的邻接矩阵构造图卷积层进行特征传播，得到节点表征；6.根据节点表征到预测层得到评分矩阵，从而实现产品推荐。本发明能够基于节点之间的相似度自适应的学习图结构信息，增强图鲁棒性和完整性，从而学习更精准的节点表征，进而提高推荐性能。

公开(公告)号：CN113343113A

公开(公告)日：2021-09-03

申请号：CN202110755889.4

申请日：2021-07-05

Applicant: 合肥工业大学 ,  广州博观文语科技有限公司

Inventor： 张琨 ,  汪帅 ,  吴乐 ,  洪日昌 ,  汪萌 ,  曾宪锋

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积网络进行知识蒸馏的冷启动实体推荐方法，包括：1.构造用户对产品的隐式反馈矩阵、用户属性矩阵、产品属性矩阵、用户学生模型的用户图邻接矩阵、产品学生模型的产品图邻接矩阵；2.通过独热编码和随机初始化的方式构造输入层；3.通过图卷积分别对教师模型、用户学生模型和产品学生模型进行特征传播；4.构造预测层进行用户对产品的评分预测；5.根据预测层的输出结果拟合真实标签更新特征矩阵和属性节点的嵌入表征矩阵；6.重复步骤3～5至新用户新产品推荐效果达到最优。本发明能够充分挖掘图的高阶信息以及用户、产品和属性节点之间的潜在关联，从而实现冷启动实体的精准推荐。

公开(公告)号：CN110381339B

公开(公告)日：2021-08-27

申请号：CN201910725985.7

申请日：2019-08-07

Applicant: 腾讯科技(深圳)有限公司 ,  合肥工业大学

Inventor： 吴乐 ,  汪萌 ,  杨永晖 ,  陈雷

IPC: H04N21/234 ,  H04N21/466 ,  H04N21/442 ,  H04N21/25 ,  H04N21/262

Abstract: 本发明提供了一种图片传输方法及装置，该方法包括：获取第一视频中的关键帧组成的目标关键帧集合；根据一组帐号对一组视频的实际关注度参数和预测关注度参数确定目标视觉参数；根据目标视觉参数确定目标帐号对目标关键帧集合中的每个关键帧的关注度参数；将目标关键帧集合中关注度参数大于预定阈值的目标关键帧传输给目标帐号。避免了获取帐号对关键帧的行为特征数据或者账号对视频的文本信息，解决了相关技术中在缺少用户对关键帧行为数据的情况下，或者缺少用户对关键帧的文本信息的情况下，无法实现根据用户的不同需求在视频中选取对应的关键帧的进行推送的问题。

公开(公告)号：CN112906398A

公开(公告)日：2021-06-04

申请号：CN202110051094.5

申请日：2021-01-14

Applicant: 合肥工业大学

Inventor： 张琨 ,  吴乐 ,  汪萌

IPC: G06F40/30 ,  G06F40/211 ,  G06K9/62

Abstract: 本发明提供一种句子语义匹配方法、系统、存储介质和电子设备，涉及句子语义匹配技术领域。本发明包括预处理待分析句子对，获取待分析句子对的向量表示；将所述向量表示输入预先训练的语义关系模型，获取待分析句子对语义匹配关系的概率；将所述概率作为待分析句子对语义关系的预测结果。基于对比学习的句子语义匹配方法，不仅通过分析输入句子的文本信息建模句子之间的语义关系；同时，通过对比属于同一标签和属于不同标签的句子对之间的关系(即关系的关系)，从而挖掘出句子对中与标签相关联的不变的特征，通过对这些特征的充分利用，实现了更为准确的句子语义表示以及句子语义关系的预测。