-
公开(公告)号：CN112541639B
公开(公告)日：2023-07-07
申请号：CN202011526793.2
申请日：2020-12-22
Applicant: 宜宾电子科技大学研究院 , 电子科技大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q10/067 , G06Q10/10 , G06N3/044 , G06N3/08
Abstract: 本发明公开了基于图神经网络和注意力机制的推荐系统评分预测方法，包括S1、基于度和时间信息，将“用户‑项目评分图”转换为“用户‑项目评分可信度图”，并为图中的每个顶点采样邻居顶点；S2、利用采样结果结合时间信息，对“用户‑项目评分可信度图”中各个顶点状态进行更新；S3、基于注意力机制实现用户对项目的进行评分预测，并更新评分预测模型；S4、利用评分预测模型实现用户对项目的评分预测。本发明给出了图神经网络在通用推荐系统中的应用途径，结合用户和项目的静态特征，利用图神经网络的图表示学习能力学习用户项目交互网络中隐特征的重要程度，更关注地为推荐系统服务。
-
公开(公告)号：CN114331904B
公开(公告)日：2023-08-08
申请号：CN202111665913.1
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06T7/40 , G06V40/16 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/54
Abstract: 本发明公开了一种人脸遮挡识别方法，所述人脸遮挡识别方法包括：S1：利用依次连接的结构生成器、纹理生成器和第一网络模型对遮挡人脸图像进行修复，得到修复后的人脸图像；S2：利用第二网络模型对所述修复后的人脸图像进行识别，得到人脸遮挡识别结果。本发明所提供的人脸遮挡识别方法，能够解决现有人脸遮挡识别方法存在的图像特征信息提取困难、不能高效地解决人脸遮挡识别的技术问题，从而能够有效地实现人脸遮挡识别。
-
公开(公告)号：CN114331903B
公开(公告)日：2023-05-12
申请号：CN202111665877.9
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种图像修复方法及存储介质，所述图像修复方法包括：利用记忆神经网络系统和损失函数对图像训练集先后进行初步修复操作和清晰完善操作，得到最终修复后的图像集；其中，所述图像训练集包括一一对应的待修复图像和真实图像，所述修复后的图像集为清晰完整的图像集且包括最终修复后的图像。本发明能够解决现有记忆网络过于简单，难以解决复杂问题且缺乏层次化的结构的问题。
-
公开(公告)号：CN114331904A
公开(公告)日：2022-04-12
申请号：CN202111665913.1
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明公开了一种人脸遮挡识别方法，所述人脸遮挡识别方法包括：S1：利用依次连接的结构生成器、纹理生成器和第一网络模型对遮挡人脸图像进行修复，得到修复后的人脸图像；S2：利用第二网络模型对所述修复后的人脸图像进行识别，得到人脸遮挡识别结果。本发明所提供的人脸遮挡识别方法，能够解决现有人脸遮挡识别方法存在的图像特征信息提取困难、不能高效地解决人脸遮挡识别的技术问题，从而能够有效地实现人脸遮挡识别。
-
公开(公告)号：CN112541639A
公开(公告)日：2021-03-23
申请号：CN202011526793.2
申请日：2020-12-22
Applicant: 宜宾电子科技大学研究院 , 电子科技大学
Abstract: 本发明公开了基于图神经网络和注意力机制的推荐系统评分预测方法，包括S1、基于度和时间信息，将“用户‑项目评分图”转换为“用户‑项目评分可信度图”，并为图中的每个顶点采样邻居顶点；S2、利用采样结果结合时间信息，对“用户‑项目评分可信度图”中各个顶点状态进行更新；S3、基于注意力机制实现用户对项目的进行评分预测，并更新评分预测模型；S4、利用评分预测模型实现用户对项目的评分预测。本发明给出了图神经网络在通用推荐系统中的应用途径，结合用户和项目的静态特征，利用图神经网络的图表示学习能力学习用户项目交互网络中隐特征的重要程度，更关注地为推荐系统服务。
-
Patent Agency Ranking
公开(公告)号：CN114331903A
公开(公告)日：2022-04-12
申请号：CN202111665877.9
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种图像修复方法及存储介质，所述图像修复方法包括：利用记忆神经网络系统和损失函数对图像训练集先后进行初步修复操作和清晰完善操作，得到最终修复后的图像集；其中，所述图像训练集包括一一对应的待修复图像和真实图像，所述修复后的图像集为清晰完整的图像集且包括最终修复后的图像。本发明能够解决现有记忆网络过于简单，难以解决复杂问题且缺乏层次化的结构的问题。
-
公开(公告)号：CN115329202A
公开(公告)日：2022-11-11
申请号：CN202211044162.6
申请日：2022-08-30
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F16/9035 , G06N3/04 , G06N3/08
Abstract: 本发明涉及互联网领域，具体涉及一种基于时间感知的逆倾向得分的项目推荐方法，本发明通过对曝光倾向计算引入改进后的逆倾向得分计算方法(TE‑DeepFM)，且改进后的逆倾向计算方法计算项目曝光倾向和用户项目曝光偏好的匹配值，使得本发明提出的方法充分考虑了数据间曝光与点击之间的因果关系，从而达到通过本方法生成的项目推荐列表更符合用户期望，增加“曝光‑点击”的概率；本发明解决了传统的推荐方法得到的推荐列表与用户期望存在较大差距的问题。
-
公开(公告)号：CN111311324B
公开(公告)日：2022-05-20
申请号：CN202010098124.3
申请日：2020-02-18
Applicant: 电子科技大学
Abstract: 本发明提供了基于稳定神经协同过滤的用户‑商品偏好预测系统，包括数据预处理模块、与数据预处理模块连接的数据存储模块、分别与数据存储模块连接的参数控制模块、数据输出模块和预测结果生成模块，以及与参数控制模块连接的模型训练模块，预测结果生成模块分别与参数控制模块以及模型训练模块连接。基于上述系统，本发明还提供了基于稳定神经协同过滤的用户‑商品偏好预测方法。本发明旨在利用噪声模拟用户恶意攻击时的数据波动，通过引入指导模型辅助训练，对已知用户‑商品评分数据的内在统计规律进行分析，从而提供稳定准确的用户‑商品评分预测结果，为用户提供个性化、安全、可靠的金融产品推荐服务。
-
公开(公告)号：CN114154071A
公开(公告)日：2022-03-08
申请号：CN202111501438.4
申请日：2021-12-09
Applicant: 电子科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的情感时序推荐方法，包括以下步骤：S1、收集评论信息和时间信息，并将其输入嵌入层，得到具有时态信息的用户因素和项目因素；S2、将有时态信息的用户因素和项目因素输入至blstm层进行情感特征提取，得到用户和项目之间的交互序列；S3、将用户和项目之间的交互序列通过注意力层输入至cnn层，得到用户表示和项目表示；S4、将用户表示和项目表示输入至输出层，得到精确评分，进而将最高精确评分对应项目作为情感时序推荐结果。
-
公开(公告)号：CN112784173A
公开(公告)日：2021-05-11
申请号：CN202110217932.1
申请日：2021-02-26
Applicant: 电子科技大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自注意力对抗神经网络的推荐系统评分预测方法，包括以下步骤：S1：采集用户信息、项目信息和用户对项目评分数据，构建高维稀疏评分矩阵和对应的掩矩阵；S2：生成关于高维稀疏评分矩阵的分布信息；S3：利用自注意力对抗神经网络搭建推荐系统的评分预测模型，并对评分预测模型进行训练；S4：评估高维稀疏评分矩阵，完成用户对项目的评分预测。本发明将自注意力机制和判别自动编码器结合，并给出了应用于推荐系统中的具体方法。利用自注意力判别自编码器从高维稀疏矩阵的掩矩阵中提取评分数据的分布信息，为后续的学习评分数据特征和预测评分数据提供更多的分布信息。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.077 seconds)
