-
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：CN114903275A
公开(公告)日：2022-08-16
申请号：CN202210267293.4
申请日：2022-03-18
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种超声喷雾洁牙系统及方法，包括充电仓、牙刷头组件、紫外消毒组件、机身电动系统和储水箱，所述充电仓由底座、仓门和仓壁组成一个密闭不透光的空间，仓门一端可旋转运动；压电陶瓷雾化系统位于刷头箱表面，可对刷头箱中的液体雾化；紫外消毒灯可通过传感器感应控制其是否工作，传感器位于供电控制系统中；高速微型马达可将电能转换为高速震动的能量；储水箱中可盛放特制的液体用于辅助口腔清洁。本发明提出种超声喷雾洁牙系统及方法，可避免大气中的病菌、灰层落入牙刷；在高速震动气泡溃灭和喷雾射流高压冲击双重作用下进一步提高口腔清洁性；紫外消毒灯与超声波牙刷共同连接外接电源，并具有牙刷头可拆卸、密封性良好的优点。
-
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：CN114125544A
公开(公告)日：2022-03-01
申请号：CN202111326042.0
申请日：2021-11-10
Applicant: 杭州电子科技大学
IPC: H04N21/435 , H04N21/4788 , H04N21/488 , G06F40/211 , G06F40/30 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明属于直播弹幕话题引导领域，公开了一种基于多模态生成的直播弹幕正向话题引导方法。包括步骤1，数据采集：实时采集单个直播间用户弹幕，对直播间视频采用1秒5帧的方式作视频采集存储分析；步骤2，采用BERT‑DPCNN模型进行恶意弹幕识别与封禁；步骤3，采用Multi‑interactive Attention机制进行多模态融合特征提取；步骤4，基于多模态生成和多模态检索进行正向话题引导生成。本发明的方法对恶意弹幕具有较高的识别率。结合用户弹幕与直播视频，以先进的多模态方式提取弹幕与直播特征关系。同时采用生成加检索融合方式，使得生成的话题引导具有响应速度快、上下文关联性强的优点。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN116071119B
公开(公告)日：2023-12-08
申请号：CN202210983716.2
申请日：2022-08-16
Applicant: 电子科技大学
IPC: G06Q30/0601
Abstract: 本发明涉及互联网领域，具体涉及一种基于多行为推荐模型的模型不可知反事实解释方法，S1、确定要进行解释的模型；S2、交互物品项的各行为类型重要性排序；S3、过滤行为类型子集；S4、过滤候选解释；S5、确定待定解释；S6、获得更多候选解释；S7、决定最终解释，通过对单行为与多行为推荐系统中交互历史、偏好、结果的因果分析，以及对行为类型间关系的分析，明确了在指定被解释项、指定交互物品的情况下，各行为类型的重要性分数，以及行为类型子集的过滤与重要性分数，实现了依据行为类型对候选解释搜索空间的过滤；解决了传统模型不可知解释方法不能对多行为推荐模型进行真实而有操作性的解释的问题。
-
公开(公告)号：CN112184341B
公开(公告)日：2022-07-08
申请号：CN202011244627.3
申请日：2020-11-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于档案网络的美食推荐方法，本方法结合了实体之间的关系本身包含的信息，引入了档案网络分别处理用户长期兴趣和用户评论数据，并通过改进后的LSTM序列模型将用户短期兴趣融合，最终通过上下文来确定他们的重要程度，因此本方法容纳了大量的关联信息和隐藏语义，使得学习得到的用户表示质量更佳，美食推荐结果更准确，具备部署可行性和卓越的推荐效果。
-
公开(公告)号：CN112184341A
公开(公告)日：2021-01-05
申请号：CN202011244627.3
申请日：2020-11-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于档案网络的美食推荐方法，本方法结合了实体之间的关系本身包含的信息，引入了档案网络分别处理用户长期兴趣和用户评论数据，并通过改进后的LSTM序列模型将用户短期兴趣融合，最终通过上下文来确定他们的重要程度，因此本方法容纳了大量的关联信息和隐藏语义，使得学习得到的用户表示质量更佳，美食推荐结果更准确，具备部署可行性和卓越的推荐效果。
-
公开(公告)号：CN114154071B
公开(公告)日：2023-05-09
申请号：CN202111501438.4
申请日：2021-12-09
Applicant: 电子科技大学
IPC: G06F16/9535 , G06N3/0442 , G06N3/0464 , G06N3/048 , 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：CN114090890B
公开(公告)日：2023-04-28
申请号：CN202111396495.0
申请日：2021-11-23
Applicant: 电子科技大学
IPC: G06F16/9535 , G06Q30/0601 , G06F16/45 , G06F16/483 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图卷积网络的反事实项目推荐方法，本发明通过对图卷积网络GCN引入满意度，且满意度与项目曝光特征、项目内容特征、用户项目曝光特征偏好和项目内容特征偏好均有关，使得本发明提出的方法充分考虑了数据间的因果关系，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，大大减少“点击欺骗”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。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.035 seconds)
