一种基于横向联邦和多元表征的商品推荐模型训练方法

    公开(公告)号:CN119887343A

    公开(公告)日:2025-04-25

    申请号:CN202510070945.9

    申请日:2025-01-16

    Abstract: 本发明涉及一种基于横向联邦和多元表征的商品推荐模型训练方法,包括中央服务器运行密钥生成算法生成其公钥和私钥,并将公钥通过安全通道发送给本轮参与联邦学习的客户端;中央服务器向各个客户端下发全局商品推荐模型;各个客户端利用本地的用户‑商品交互数据对全局商品推荐模型进行训练得到本地商品推荐模型;并将本地商品推荐模型和性能指标通过中央服务器的公钥加密后上传至中央服务器;中央服务器利用私钥对客户端加密后的本地商品推荐模型和性能指标进行解密,并根据性能指标聚合各个客户端上传的本地商品推荐模型得到下一轮迭代训练的全局商品推荐模型;重复执行上述步骤,直至全局商品推荐模型收敛或达到预设的迭代次数为止,得到训练好的商品推荐模型,本发明能够提升在推荐中的实时性和精准性,同时提高模型的泛化能力。

    一种基于先验信息的多无人机协同搜索方法

    公开(公告)号:CN115857543B

    公开(公告)日:2025-04-22

    申请号:CN202211474233.6

    申请日:2022-11-23

    Abstract: 本发明涉及一种基于先验信息的多无人机协同搜索方法,包括将搜索区域地理点的经纬度坐标映射到笛卡尔坐标空间得到目标搜索区域;将目标搜索区域离散化处理为伪离散网格,并将每个伪离散网格的边离散为间隔均匀的搜索点;根据目标在搜索区域的先验概率信息,将N个搜索起点作为聚类中心采用Kmeans聚类算法生成N个任务区域:拍卖任务区域之间冲突的伪离散网格;以步长为Wk栅格化各无人机的任务区域确定各无人机的最终任务区域,建立无人机最终任务区域的概率地图;建立无人机的搜索函数计算出无人机在最终任务区域的最佳搜索路径;将无人机的最佳搜索路径映射回实际的地理坐标引导无人机在真实场景下对目标进行搜索。

    一种基于情感分歧的线上购物虚假营销信息识别方法

    公开(公告)号:CN119722228A

    公开(公告)日:2025-03-28

    申请号:CN202411783907.X

    申请日:2024-12-06

    Abstract: 本发明属于虚假信息识别领域,特别涉及一种基于情感分歧的线上购物虚假营销信息识别方法,包括获取用户线上购物评论数据并进行预处理得到预处理数据;采用单元情感因子表征方法获取每一条评论文本的主体情感依赖因子;根据主体情感依赖因子计算每一种商品的整体情感依赖因子,采用博弈理论对每一种商品的整体情感依赖因子进行调整更新;根据整体情感依赖因子构建网络关系图,通过网络关系图获取用户分歧度;获取用户评价的月均发布量和月均覆盖率,将用户分歧度、月均发布量和月均覆盖率融合得到用户情感多样因子;采用sigmoid函数处理用户情感多样因子,得到识别结果。

    一种基于表示学习和群体聚集的热点话题传播预测方法

    公开(公告)号:CN119578616A

    公开(公告)日:2025-03-07

    申请号:CN202411630303.1

    申请日:2024-11-15

    Abstract: 本发明涉及社交网络话题传播预测技术领域,具体涉及一种基于表示学习和群体聚集的热点话题传播预测方法,包括基于数据增强后的话题数据获取用户关系网络,通过Louvain算法进行社区检测得到增强用户交互网络;采用基于改进修正系数的node2vec算法在增强用户交互网络上进行随机游走,得到用户邻域节点序列;通过Skip‑Gram对用户邻域节点序列进行嵌入处理,得到用户群体聚集特征关系矩阵;基于用户群体聚集特征关系矩阵,通过注意力机制获取特征表示;将特征表示输入图卷积神经网络模型,预测出下一时间段的潜在话题节点群体用户是否会参与热点话题的传播;本发明提高了用户行为预测的精度。

    一种基于降噪网路的OFDM-IM信号检测方法

    公开(公告)号:CN115865593B

    公开(公告)日:2024-11-19

    申请号:CN202211444691.5

    申请日:2022-11-18

    Abstract: 本发明属于无线通信的信号检测领域,具体涉及一种基于降噪网路的OFDM‑IM信号检测方法,包括:利用降噪网路对预处理后的信号进行降噪,利用降噪后信号能量分布和接收信号的能量分布重构能量分布,利用重构能量分布和降噪信号进行信号检测。本发明考虑到降噪后信号的IQ信号可能改变原信号分布象限,为更好判决激活载波位置,通过降噪信号与接收信号的联合判决,通过模型训练阶段强化静默子载波的方法来增强模型的泛化能力,降低均衡信号的噪声,并改善接收信号的能量分布,进而提升OFDM‑IM信号的检测效率。

    基于桥连接实现跨平台序列融合的商品点击率预测方法

    公开(公告)号:CN118886948A

    公开(公告)日:2024-11-01

    申请号:CN202410919903.3

    申请日:2024-07-10

    Abstract: 本发明属于个性化推荐技术,具体涉及一种基于桥连接实现跨平台序列融合的商品点击率预测方法,包括:收集每个平台下用户行为数据,对用户行为数据进行预处理,生成包含用户操作信息的时间序列;将每个平台下的时间序列进行切割成多个的时间单位序列,并通过双曲空间映射的桥连接方式对切割的时间单位序列进行跨平台融合,得到商品网络结构;根据商品网络结构中商品数量和历史记录操作时间对序列中不同操作进行加权求和,生成用户个性化推荐潜在兴趣商品的点击率预测值。本发明通过对不同操作赋予不同的权重,使得推荐结果更接近真实情况,生成准确率更高的推荐序列,同时,通过跨平台用户行为序列数据融合,能够实现更精确的商品推荐序列。

    一种面向引导型话题的群体意识发现方法

    公开(公告)号:CN118797061A

    公开(公告)日:2024-10-18

    申请号:CN202410776353.4

    申请日:2024-06-17

    Abstract: 本发明属于社交网络分析领域,具体涉及一种面向引导型话题的群体意识发现方法;包括:获取引导型话题数据并对其进行预处理,得到用户短文本和话题短文本;对两种文本进行处理,得到用户文本特征向量和话题文本特征向量;融合两种文本特征向量,得到话题文本内容特征矩阵;获取话题网络并进行处理,得到话题拓扑结构特征矩阵;融合话题文本内容特征矩阵与话题拓扑结构特征矩阵,得到用户节点矩阵;根据认知博弈理论对引导型话题数据进行处理,得到用户三种转发行为的影响力,并优化话题网络邻接矩阵;根据用户节点矩阵和话题网络邻接矩阵计算用户节点的聚合特征;将聚合特征输入到分类器中进行处理,得到所有用户的转发行为预测结果;本发明预测结果准确,提高了群体意识清晰度。

    一种基于动态图神经网络的商品对齐方法

    公开(公告)号:CN118709693A

    公开(公告)日:2024-09-27

    申请号:CN202410877618.X

    申请日:2024-07-02

    Abstract: 本发明属于网络对齐技术应用领域,具体涉及一种基于动态图神经网络的商品对齐方法,包括:获取不同电商平台的商品信息,确定待匹配商品,将不同电商平台的商品信息输入训练好的动态图神经网络,得到待匹配商品与其余商品的匹配分数,选取与待匹配商品处于不同电商平台且匹配分数最高的商品作为待匹配商品的对齐商品;本发明设计了基于时间感知上下文演化模块,在处理电商平台的数据时,捕捉随时间变化的商品属性之间的时间关系;本发明采用时间关系注意力机制,确保了在考虑商品属性与商品关系的同时通过评估并赋予不同时间点以相应的注意力权重,精准反映了各个时间节点的贡献度及重要性,从而实现更加精准的跨平台商品匹配。

    一种基于解纠缠学习和滤波器的电商平台序列推荐方法

    公开(公告)号:CN118657581A

    公开(公告)日:2024-09-17

    申请号:CN202410760072.X

    申请日:2024-06-13

    Abstract: 本发明属于互联网应用技术领域,涉及一种基于解纠缠学习和滤波器的电商平台序列推荐方法,包括:获取电商平台序列,进行预处理,得到用户商品交互矩阵、用户特征向量和用户短期行为序列;根据用户商品交互矩阵和用户特征向量计算用户长期兴趣偏好;根据用户短期行为序列通过解纠缠学习技术计算用户真实短期兴趣偏好;融合用户真实短期兴趣偏好和用户长期兴趣偏好,得到用户的完整兴趣表示;根据用户的完整兴趣表示计算候选商品的推荐分数,根据商品的推荐分数生成商品的Top‑N推荐列表;本发明通过解缠学习计算用户短期行为序列在真实兴趣因素和冗余噪声因素上的解缠表示,有效去除兴趣序列中的噪声数据,进一步捕获用户短期的真实行为需求。

    一种基于话题认同度的引导型话题传播预测方法

    公开(公告)号:CN118643333A

    公开(公告)日:2024-09-13

    申请号:CN202410784554.9

    申请日:2024-06-18

    Abstract: 本发明涉及社交网络领域,特别涉及一种基于话题认同度的引导型话题传播预测方法,包括基于迁移学习方法从原始话题数据中提取与衍生话题数据匹配的通用特征数据,将通用特征数据与衍生话题数据构成丰富衍生话题数据;采用生成对抗网络迭代学习丰富衍生话题数据生成新衍生话题数据;对新衍生话题数据进行时间切片;针对每一时段的新衍生话题数据提取特征向量,所有特征向量组成训练集;构建图卷积网络,采用训练集训练图卷积网络;获取当前时段t的衍生话题数据并输入图卷积网络,输出下一时段t+1衍生话题传播趋势;本发明基于用户的兴趣偏好计算话题领域共现度,更准确地表现用户对话题的态度和认同程度,提高预测准确性。

Patent Agency Ranking