Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜河海大学孟青获国家专利权

恭喜河海大学孟青获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜河海大学申请的专利一种融合社交群体信息的用户在线行为预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119721396B

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510212567.3,技术领域涉及:G06Q10/04;该发明授权一种融合社交群体信息的用户在线行为预测方法是由孟青;闵绘宇;胡鹤轩;宋著福;赵阳;张文彬设计研发完成,并于2025-02-25向国家知识产权局提交的专利申请。

一种融合社交群体信息的用户在线行为预测方法在说明书摘要公布了:本发明公开了一种融合社交群体信息的用户在线行为预测方法,该方法首先以用户间的社交关系为基础构建社交网络,以用户与行为对象之间的关系为基础构建交互网络;然后对社交网络进行重构,并挖掘社交网络中所包含的群体;再把用户、行为对象以及挖掘到的社交群体用随机化的低维向量进行初始化;并构建用户‑群体信息融合模块,获得用户以及社交群体的表征向量并获得用户最终的表征向量;然后获得行为对象的表征向量;再进行该行为的评分值;最后使用贝叶斯个性化排序方法对上述模型中所设置的参数进行学习优化,实现用户行为预测。本发明从群体建模的角度减少用户行为中的噪音对预测用户行为的影响,提高用户行为预测的准确性和鲁棒性。

本发明授权一种融合社交群体信息的用户在线行为预测方法在权利要求书中公布了:1.一种融合社交群体信息的用户在线行为预测方法,其特征在于,该方法包括如下步骤:步骤1、利用用户之间的社交关系构建社交网络,利用用户与行为对象之间的关系构建交互网络;步骤2、社交网络重构:使用TF-IDF算法计算邻居用户的权重值;利用用户社交邻居集合的Jaccard系数计算两两用户之间的相似性,当计算邻居用户集合中用户数量时,使用邻居用户的权重值进行加权计数;设定阈值τ,当用户间的相似性数值小于阈值时,移除掉社交网络中存在的边关系,当用户间的相似性数值大于阈值时,保留社交网络中存在的边关系,最后得到重构的社交网络;步骤3、社交群体挖掘:在步骤2中获得的社交网络中,获得社交网络中所包含的社交群体集合,该社交群体集合被认为是社交网络中用户所属的社交群体;步骤4、用户、行为对象、社交群体初始化:对社交网络、交互网络中的用户、行为对象以及通过步骤3获得的社交群体集合进行向量初始化;步骤5、基于注意力机制的用户-群体信息迭代融合:在社交网络中用户角度,使用注意力机制融合所属社交群体对用户的影响力,再结合用户自身信息得到融合社交群体信息的用户表征向量从社交群体角度,融合各个社交群体内用户表征向量,以及社交群体自身的信息,获得社交群体的表征向量gk;通过迭代计算,模拟用户与社交群体之间的相互影响关系,得到在社交网络中用户的最终表征步骤6、用户偏好高阶信息融合:在交互网络中用户角度,利用图注意力网络融合与用户具有关联关系的行为对象信息,得到融合用户行为对象信息的表征向量以及行为表征向量vj;再把行为对象的表征向量作两两乘积,获得行为对象间的高阶信息;设置权重γ,1-γ来融合以上两方面的用户信息,得到在交互网络中行为的表征向量具体包括以下步骤:步骤6.1:在交互网络中用户角度,利用图注意力网络融合与用户具有关联关系的行为对象信息,得到融合行为对象信息的用户表征向量 其中,σ·表示sigmod激活函数,W4为可学习的维度变换参数,μik是权重参数,vj为用户历史行为集合中的第j个行为表征向量;步骤6.2:在节点聚合历史行为信息时,通过向量按元素乘积⊙的形式增加行为高阶信息,并设置权重γ,1-γ来融合以上两方面的用户信息,最终,得到在交互网络中用户的表征计算公式如下: 其中,γ是超参数,调整用户历史行为信息与高阶信息之间的权重比例;步骤6.3:在交互网络中行为角度,首先,针对执行行为的用户集合,使用有放回的随机抽样方法进行随机采样,得到具有该行为的用户群体利用图注意力网络对目标用户属性进行融合,得到交互网络中行为的表征向量 其中,W5为可学习的维度变换参数,ξjk是权重参数,uk为行为对象的用户集合中第k个用户表征向量;步骤7、行为评分计算:使用权重α,1-α融合在社交网络中用户的最终表征以及交互网络中的用户表征,得到融合社交群体信息以及用户偏好信息的用户表征ui;计算用户表征ui在交互网络中行为的表征向量的乘积,得到用户对目标行为评分值;步骤8、模型训练:使用贝叶斯个性化排序方法设计目标函数,使用随机梯度下降方法对模型进行训练,获得模型参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人河海大学,其通讯地址为:210024 江苏省南京市鼓楼区西康路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。