CN108647216A - 基于开发人员社交网络的软件众包任务推荐系统及方法 - Google Patents

基于开发人员社交网络的软件众包任务推荐系统及方法 Download PDF

Info

Publication number
CN108647216A
CN108647216A CN201710156008.0A CN201710156008A CN108647216A CN 108647216 A CN108647216 A CN 108647216A CN 201710156008 A CN201710156008 A CN 201710156008A CN 108647216 A CN108647216 A CN 108647216A
Authority
CN
China
Prior art keywords
task
developer
personnel
social networks
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710156008.0A
Other languages
English (en)
Inventor
李宁
沈备军
莫文凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710156008.0A priority Critical patent/CN108647216A/zh
Publication of CN108647216A publication Critical patent/CN108647216A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种信息过滤技术领域的基于开发人员社交网络的软件众包任务推荐方法和系统，将软件众包平台上的开发人员分为报名过任务的活跃人员和从未报名过任务的非活跃人员；然后以活跃人员为节点、好友关系为线建立社交网络，并根据社交网络内互为好友的开发人员浏览和报名历史任务的重合度，优化社交网络；在建立和优化社交网络的同时对活跃人员报名后未获得或完成任务的情况给予评分，得到历史任务评分；最后根据优化的社交网络和历史任务评分建立推荐模型为活跃人员推荐目标任务，对于非活跃人员根据优化的社交网络找到与之关联的活跃好友，在修正推荐模型后为该非活跃人员推荐目标任务。本发明能够解决推荐目标任务的冷启动问题并提高推荐准确度。

Description

基于开发人员社交网络的软件众包任务推荐系统及方法
技术领域
本发明涉及的是一种信息过滤领域的技术，具体是一种基于开发人员社交网络的软件众包任务推荐系统及方法。
背景技术
近些年来，Topcoder、解放号以及猪八戒等软件众包平台利用互联网的优势发展迅速。软件众包平台的基本流程是：1)任务发布者将任务发布到众包平台，并提供相应的报酬；2)众包平台的开发人员可以浏览到任务，如果他们感兴趣可以报名该任务；3)任务发布者从众多的报名人员中选择合适的人员开发该任务；4)开发人员成功完成任务并获得相应的报酬。如果开发人员不能及时找到合适的任务，任务不能及时完成，任务开发者和开发人员都会遭受极大的损失。因此，良好的推荐系统对于软件众包平台的发展至关重要。
推荐系统中有两大类方法，分别为基于内容的方法和基于协同过滤的方法。基于协同过滤的方法具有易于理解、在很多领域有非常好的效果以及不需要知识工程等优点，但同时也存在着数据稀疏的问题，容易引起任务推荐的冷启动，并导致任务推荐的准确度下降。
发明内容
本发明针对现有技术无法在初始状态下进行优化且对历史数据的依赖性过强等缺陷，提出了一种基于开发人员社交网络的软件众包任务推荐方法及系统，能够解决推荐目标人员的冷启动问题，提高任务推荐的准确度。
本发明是通过以下技术方案实现的：
本发明涉及一种基于开发人员社交网络的软件众包任务推荐系统，包括：数据库、开发人员操作分析模块、社交网络构建模块和推荐模块，其中：数据库与开发人员操作分析模块相连并输出开发人员操作记录信息，数据库与社交网络构建模块相连并输出开发人员好友关系信息以及开发人员操作记录信息，开发人员操作分析模块与社交网络构建模块相连并输出开发人员的分类信息与历史任务的评分信息，社交网络构建模块与推荐模块相连并输出社交信息，推荐模块输出活跃人员和非活跃人员的目标任务推荐信息。
所述的开发人员操作记录信息包括：浏览、报名和完成任务的信息。
所述的社交信息包括开发人员好友关系信息及社交影响程度。
本发明涉及上述系统的软件众包任务推荐方法，将软件众包平台上的开发人员分为曾经报名过任务的活跃人员和从未报名过任务的非活跃人员；以活跃人员为节点、开发人员在平台上的好友关系为线建立社交网络，并根据社交网络内互为好友的开发人员浏览和报名历史任务的重合度，优化社交网络；在建立和优化社交网络的同时对活跃人员报名历史任务后未获得任务或完成任务的情况给予相应的评分，得到历史任务评分；最后根据优化的社交网络和历史任务评分采用协同过滤方法建立活跃人员目标任务的推荐模型，为活跃人员推荐合适的目标任务，对于非活跃人员根据优化的社交网络找到与之关联的活跃好友，修正活跃人员目标任务的推荐模型后为该非活跃人员推荐目标任务。
技术效果
与现有的技术相比，本发明在为非活跃人员推荐合适的任务的F1-Score平均提高16.7％。其中P和R表示推荐结果的准确率和召回率；A和T表示推荐的任务集合和正确的任务集合。可见本发明能够利用开发人员的社交信息，量化开发人员的好友影响程度，同时对于操作信息较少的非活跃人员，解决推荐目标任务的冷启动问题，提高任务推荐的准确度。
附图说明
图1为本发明的系统模块拓扑图
图2为本发明方法流程图。
具体实施方式
下述实施例涉及的参数包括：u∈U，u为开发人员，U为开发人员集合；i∈I，i为任务，I为任务集合；F∈U×U表示开发人员之间的好友关系矩阵，Fu表示开发人员u对应的好友集合；V∈U×I表示开发人员和任务之间的浏览关系矩阵，B∈U×I表示开发人员和任务之间的报名关系矩阵，C∈U×I表示开发人员和任务之间的完成关系矩阵，Vu、Bu和Cu分别表示开发人员u浏览、报名和完成的任务集合，Vv和Bv分别表示开发人员v浏览和报名的任务集合；R∈U×I表示开发人员和任务之间的评分矩阵，多数众包平台人员没有直接对于项目的评分，因此需要根据人员对项目的操作定义规则，计算人员对项目的评分。
本实施例涉及一种基于开发人员社交网络的软件众包任务推荐系统，包括：数据库、开发人员操作分析模块、社交网络构建模块和推荐模块，其中：数据库与开发人员操作分析模块相连并输出开发人员操作记录信息，数据库与社交网络构建模块相连并输出开发人员好友关系信息以及开发人员操作记录信息，开发人员操作分析模块与社交网络构建模块相连并输出开发人员的分类信息与历史任务的评分信息，社交网络构建模块与推荐模块相连并输出社交信息，推荐模块输出活跃人员和非活跃人员的目标任务推荐信息。
所述的开发人员操作分析模块包括：开发人员分类模块和历史任务评分模块，其中：数据库与开发人员分类模块相连并输出开发人员操作记录信息，开发人员分类模块与历史任务评分模块相连并输出活跃人员的历史任务报名与完成信息；
所述的开发人员分类模块用于根据开发人员是否报名过任务，将开发人员分为活跃人员和非活跃人员；
所述的历史任务评分模块用于对活跃人员的报名和完成历史任务情况进行评分。
所述的社交网络构建模块用于构建基于开发人员之间好友关系的社交网络，并依据好友间的社交影响程度进行社交网络优化。
所述的推荐模块包括：推荐生成模块和推荐修正模块，其中：推荐生成模块与社交网络构建模块相连用于直接生成活跃人员的目标任务推荐信息，推荐生成模块与推荐修正模块相连并输出活跃人员对于任务的评分。具体方法是使用协同过滤算法构建损失函数，使用SGD(Stochastic Gradient Descent)算法学习相应的参数。推荐修正模块与社交网络构建模块相连用于获得活跃人员与非活跃人员之间的社交影响程度。
所述的开发人员操作记录信息包括：浏览、报名和完成任务的信息。
所述的社交信息包括开发人员好友关系信息及社交影响程度。
如图1所示，本实施例涉及上述系统的任务推荐方法，将软件众包平台上的开发人员分为曾经报名过任务的活跃人员和从未报名过任务的非活跃人员；然后以活跃人员为节点、开发人员在平台上的好友关系为线建立社交网络，并根据社交网络内互为好友的开发人员浏览和报名历史任务的重合度，优化社交网络；在建立和优化社交网络的同时对活跃人员报名历史任务后未获得任务或完成任务的情况给予相应的评分，得到活跃人员的历史任务评分；最后根据优化的社交网络和历史任务评分采用协同过滤方法建立活跃人员目标任务推荐模型，为活跃人员推荐合适的目标任务，对于非活跃人员根据优化的社交网络找到与之关联的活跃好友，修正活跃人员目标任务推荐模型后为该非活跃人员推荐目标任务。
所述的开发人员集合U＝AU∪NAU，其中：AU为活跃人员的集合，NAU为非活跃人员的集合。
所述的历史任务评分
所述社交网络通过社交影响程度Du,v来优化，Heat(p)＝0.1×|Vp|+0.3×|Bp|，其中：Fu,v＝0表示开发人员u和v之间不存在好友关系，Du,v＝0，即不存在社交影响；Fu,v＝1表示开发人员u和v之间为好友关系；α表示浏览和报名历史任务的重合度对于社交影响程度贡献的权重，通过实验获得；Heat(p)表示历史任务p的流行程度；Vp和Bp分别表示浏览和报名历史任务p的开发人员集合；即两个互为好友的开发人员之间浏览和报名历史任务p的重合度越高，说明开发人员之间兴趣和能力越相似，那么他们之间的社交影响程度越大。
所述的协同过滤方法采用SISVD(Social Influence Singular ValueDecomposition)算法，通过计算活跃人员的目标任务评分建立推荐模型，进而向活跃人员推荐目标任务：
所述的目标任务评分评分误差其中：μ是众包平台所有评分的平均值，bu、bi分别表示人员u和任务i的平均评分与全局均值μ的差值，qi为任务i的特征向量，pu为用户u的特征向量，Nu为活跃人员u隐式反馈涉及的任务集合，yj为ru,i的隐式反馈向量，Nv为人员v隐式反馈涉及的任务集合，xj表示活跃人员好友的历史评分信息对于该活跃人员的目标任务评分信息的影响因素，j为人员v隐式反馈涉及的某一项任务。
根据目标任务评分公式，当活跃人员u没有任何好友，即Fu集合为空时，
所述推荐生成模型中各参数(bu，bi，μ，qi，pu，yj，xj)通过损失函数L经SGD算法迭代学习获得，λ为正则化参数，防止训练陷入过拟合的状态。γ为学习率，控制每一步参数的更新大小：
所述的损失函数
所述的迭代学习过程为：
bu←bu+γ(eu,i-λbu)；
bi←bi+γ(eu,i-λbi)；
pu←pu+γ(eu,iqi-λpu)；
所述的修正推荐模型后得到非活跃人员的目标任务评分，其中：活跃人员v是非活跃人员u的好友。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (10)

1.一种基于开发人员社交网络的软件众包任务推荐系统，其特征在于，包括：数据库、开发人员操作分析模块、社交网络构建模块和推荐模块，其中：数据库与开发人员操作分析模块相连并输出开发人员操作记录信息，数据库与社交网络构建模块相连并输出开发人员好友关系信息以及开发人员操作记录信息，开发人员操作分析模块与社交网络构建模块相连并输出开发人员的分类信息与历史任务的评分信息，社交网络构建模块与推荐模块相连并输出社交信息，推荐模块输出活跃人员和非活跃人员的目标任务推荐信息。
2.根据权利要求1所述的基于开发人员社交网络的软件众包任务推荐系统，其特征是，所述的开发人员操作分析模块包括：开发人员分类模块和历史任务评分模块，其中：数据库与开发人员分类模块相连并输出开发人员操作记录信息，开发人员分类模块与历史任务评分模块相连并输出活跃人员的历史任务报名与完成信息；
所述的开发人员分类模块用于根据开发人员是否报名过任务，将开发人员分为活跃人员和非活跃人员；
所述的历史任务评分模块用于对活跃人员的报名历史任务情况进行评分。
3.根据权利要求1所述的基于开发人员社交网络的软件众包任务推荐系统，其特征是，所述的推荐模块包括：推荐生成模块和推荐修正模块，其中：推荐生成模块与社交网络构建模块相连用于直接生成活跃人员的目标任务推荐信息，推荐生成模块与推荐修正模块相连并输出活跃人员对于任务的评分，具体方法是使用协同过滤算法构建损失函数，使用SGD(Stochastic Gradient Descent)算法学习相应的参数，推荐修正模块与社交网络构建模块相连用于获得活跃人员与非活跃人员之间的社交影响程度。
4.根据权利要求2所述的基于开发人员社交网络的软件众包任务推荐系统，其特征是，所述的开发人员操作记录信息包括：浏览、报名和完成任务的信息。
5.根据权利要求1所述的基于开发人员社交网络的软件众包任务推荐系统，其特征是，所述的社交信息包括开发人员好友关系信息及社交影响程度。
6.一种基于上述任一权利要求所述系统的任务推荐方法，其特征在于，将软件众包平台上的开发人员分为曾经报名过任务的活跃人员和从未报名过任务的非活跃人员；然后以活跃人员为节点、开发人员在平台上的好友关系为线建立社交网络，并根据社交网络内互为好友的开发人员浏览和报名历史任务的重合度，优化社交网络；在建立和优化社交网络的同时对活跃人员报名历史任务后未获得任务或完成任务的情况给予相应的评分，得到历史任务评分；最后根据优化的社交网络和历史任务评分采用协同过滤方法建立活跃人员的目标任务推荐模型，为活跃人员推荐合适的目标任务，对于非活跃人员根据优化的社交网络找到与之关联的活跃好友，修正推荐模型后为该非活跃人员推荐目标任务。
7.根据权利要求6所述的基于开发人员社交网络的软件众包任务推荐方法，其特征是，所述的历史任务评分开发人员集合U＝AU∪NAU，其中：AU为活跃人员的集合，NAU为非活跃人员的集合。
8.根据权利要求6所述的基于开发人员社交网络的软件众包任务推荐方法，其特征是，所述社交网络通过社交影响程度Du,v来优化，Heat(p)＝0.1×|Vp|+0.3×|Bp|，其中：Fu,v＝0表示开发人员u和v之间不存在好友关系，Du,v＝0，即不存在社交影响；Fu,v＝1表示开发人员u和v之间为好友关系，存在社交影响；α表示浏览和报名历史任务的重合度对于社交影响程度贡献的权重，通过实验获得；Heat(p)表示历史任务p的流行程度；Vp和Bp分别表示浏览和报名历史任务p的开发人员集合。
9.根据权利要求8所述的基于开发人员社交网络的软件众包任务推荐方法，其特征是，所述的协同过滤方法采用SISVD算法计算活跃人员的目标任务评分，建立推荐模型；
所述的目标任务评分评分误差其中：μ是众包平台所有评分的平均值，bu、bi分别表示人员u和任务i的平均评分与全局均值μ的差值，qi为任务i的特征向量，pu为用户u的特征向量，Nu为活跃人员u隐式反馈涉及的任务集合，yj为ru,i的隐式反馈向量，Nv为人员v隐式反馈涉及的任务集合，xj表示活跃人员好友的历史评分信息对于该活跃人员的目标任务评分信息的影响因素，j为人员v隐式反馈涉及的某一项任务；当活跃人员没有任何好友，即Fu集合为空，
10.根据权利要求9所述的基于开发人员社交网络的软件众包任务推荐方法，其特征是，所述的修正推荐模型后得到非活跃人员的目标任务评分，其中：活跃人员v是非活跃人员u的好友。
CN201710156008.0A 2017-03-16 2017-03-16 基于开发人员社交网络的软件众包任务推荐系统及方法 Pending CN108647216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710156008.0A CN108647216A (zh) 2017-03-16 2017-03-16 基于开发人员社交网络的软件众包任务推荐系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710156008.0A CN108647216A (zh) 2017-03-16 2017-03-16 基于开发人员社交网络的软件众包任务推荐系统及方法

Publications (1)

Publication Number Publication Date
CN108647216A true CN108647216A (zh) 2018-10-12

Family

ID=63744023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710156008.0A Pending CN108647216A (zh) 2017-03-16 2017-03-16 基于开发人员社交网络的软件众包任务推荐系统及方法

Country Status (1)

Country Link
CN (1) CN108647216A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109525665A (zh) * 2018-11-16 2019-03-26 济南浪潮高新科技投资发展有限公司 一种基于众包的创客云中心配置推荐方法
CN111061959A (zh) * 2019-12-29 2020-04-24 东南大学 一种基于开发者特征的群智化软件任务推荐方法
CN111159578A (zh) * 2019-12-31 2020-05-15 第四范式（北京）技术有限公司 一种推荐对象的方法和系统
WO2020098251A1 (zh) * 2018-11-15 2020-05-22 平安科技（深圳）有限公司 基于用户偏好的众包任务推送方法及相关装置
CN111552799A (zh) * 2020-04-30 2020-08-18 腾讯科技（深圳）有限公司 信息处理方法、装置、电子设备及存储介质
CN111612135A (zh) * 2020-05-22 2020-09-01 京东数字科技控股有限公司 用于信息交互的方法和装置
CN111932108A (zh) * 2020-08-06 2020-11-13 北京航空航天大学杭州创新研究院 一种面向群体软件过程的开发人员推荐方法
CN112396092A (zh) * 2020-10-26 2021-02-23 北京航空航天大学 一种众包开发者推荐方法和装置
CN113222391A (zh) * 2021-05-06 2021-08-06 南京财经大学 一种众包商务平台注册者的全局评分方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103309976A (zh) * 2013-06-13 2013-09-18 华东师范大学 一种基于用户性格提高社交引荐效率的方法
CN104111959A (zh) * 2013-04-22 2014-10-22 浙江大学 基于社交网络的服务推荐方法
CN104850579A (zh) * 2015-03-20 2015-08-19 南京邮电大学 社交网络中基于评分和特征相似的餐饮推荐算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104111959A (zh) * 2013-04-22 2014-10-22 浙江大学 基于社交网络的服务推荐方法
CN103309976A (zh) * 2013-06-13 2013-09-18 华东师范大学 一种基于用户性格提高社交引荐效率的方法
CN104850579A (zh) * 2015-03-20 2015-08-19 南京邮电大学 社交网络中基于评分和特征相似的餐饮推荐算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NING LI ET AL.: "Task Recommendation with Developer Social Network in Software Crowdsourcing", 《2016 23RD ASIA-PACIFIC SOFTWARE ENGINEERING CONFERENCE》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020098251A1 (zh) * 2018-11-15 2020-05-22 平安科技（深圳）有限公司 基于用户偏好的众包任务推送方法及相关装置
CN109525665A (zh) * 2018-11-16 2019-03-26 济南浪潮高新科技投资发展有限公司 一种基于众包的创客云中心配置推荐方法
CN111061959A (zh) * 2019-12-29 2020-04-24 东南大学 一种基于开发者特征的群智化软件任务推荐方法
CN111061959B (zh) * 2019-12-29 2024-03-19 东南大学 一种基于开发者特征的群智化软件任务推荐方法
CN111159578B (zh) * 2019-12-31 2023-10-13 第四范式（北京）技术有限公司 一种推荐对象的方法和系统
CN111159578A (zh) * 2019-12-31 2020-05-15 第四范式（北京）技术有限公司 一种推荐对象的方法和系统
CN111552799A (zh) * 2020-04-30 2020-08-18 腾讯科技（深圳）有限公司 信息处理方法、装置、电子设备及存储介质
CN111612135A (zh) * 2020-05-22 2020-09-01 京东数字科技控股有限公司 用于信息交互的方法和装置
CN111612135B (zh) * 2020-05-22 2024-04-16 京东科技控股股份有限公司 用于信息交互的方法和装置
CN111932108A (zh) * 2020-08-06 2020-11-13 北京航空航天大学杭州创新研究院 一种面向群体软件过程的开发人员推荐方法
CN111932108B (zh) * 2020-08-06 2022-07-19 北京航空航天大学杭州创新研究院 一种面向群体软件过程的开发人员推荐方法
CN112396092B (zh) * 2020-10-26 2023-09-29 北京航空航天大学 一种众包开发者推荐方法和装置
CN112396092A (zh) * 2020-10-26 2021-02-23 北京航空航天大学 一种众包开发者推荐方法和装置
CN113222391A (zh) * 2021-05-06 2021-08-06 南京财经大学 一种众包商务平台注册者的全局评分方法

Similar Documents

Publication Publication Date Title
CN108647216A (zh) 基于开发人员社交网络的软件众包任务推荐系统及方法
CN110795619B (zh) 一种融合多目标的教育资源个性化推荐系统及方法
CN107341687B (zh) 一种基于多维标签与分类排序的推荐算法
CN111222332B (zh) 一种结合注意力网络和用户情感的商品推荐方法
CN109614614A (zh) 一种基于自注意力的bilstm-crf产品名称识别方法
CN111881342A (zh) 一种基于图孪生网络的推荐方法
CN107463953A (zh) 在标签含噪情况下基于质量嵌入的图像分类方法及系统
CN110060097A (zh) 基于注意力机制和卷积神经网络的用户行为序列推荐方法
CN104598611B (zh) 对搜索条目进行排序的方法及系统
CN105117422A (zh) 智能社交网络推荐系统
CN108509573A (zh) 基于矩阵分解协同过滤算法的图书推荐方法及系统
CN105787100A (zh) 一种基于深度神经网络的用户会话推荐方法
CN110347932A (zh) 一种基于深度学习的跨网络用户对齐方法
CN111881363A (zh) 一种基于图交互网络的推荐方法
CN112836139B (zh) 融合用户特征和嵌入学习的跨社交网络用户身份关联方法
CN114528490B (zh) 一种基于用户长短期兴趣的自监督序列推荐方法
CN108053050A (zh) 点击率预估方法、装置、计算设备及存储介质
CN111191099B (zh) 一种基于社交媒体的用户活动类型识别方法
CN109584006A (zh) 一种基于深度匹配模型的跨平台商品匹配方法
Merigo et al. Decision making in the European Union under risk and uncertainty
Nguyen et al. An extensive investigation on leveraging machine learning techniques for high-precision predictive modeling of CO2 emission
CN103942298A (zh) 基于线性回归的推荐方法及系统
Hong LSTM-based sales forecasting model.
CN107291894A (zh) 一种融合相似性和共同评分项数量的概率矩阵分解模型
CN110008348A (zh) 结合节点和边进行网络图嵌入的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181012

RJ01 Rejection of invention patent application after publication