宾辰忠
- 作品数：100 被引量：206H指数：9
- 供职机构：桂林电子科技大学更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金广西研究生教育创新计划项目更多>>
- 相关领域：自动化与计算机技术文化科学经济管理电子电信更多>>
- 基于知识图谱的旅游景点问答系统被引量：5
- 2018年
- 针对目前搜索引擎对于旅游景点领域的问答反馈结果繁多、准确率低并且不具备智能性的问题,提出了以靖江王府为例,基于知识图谱的旅游景点问答系统。通过整合搜集到的靖江王府相关信息,构建知识图谱,从而实现问答系统的智能性。在问句分析模块使用问句分词、同类词替换和问句相似度计算方法,答案生成模块使用多策略答案生成方法。实验结果表明,将自然语言处理技术与知识图谱相结合的旅游景点问答系统功能完善,能够满足游客的一般问答需求。
- 时雨古天龙宾辰忠孙彦鹏
- 关键词：问答系统知识图谱分词
- 一种基于对比学习和知识共享的多任务推荐方法
- 本发明公开一种基于对比学习和知识共享的多任务推荐方法，采用多任务的形式，结合了对比学习和知识图嵌入学习来提高基于对比学习和知识共享的多任务推荐方法的推荐性能。该推荐方法以图卷积推荐任务为主推荐任务对用户和项目的交互进行建...
- 宾辰忠伍方健李伟梁
- 一种面向问答领域含有人名的问句相似度计算方法
- 本发明公开一种面向问答领域含有人名的问句相似度计算方法，分别计算人名与非人名部分的相似度，并且考虑到句子的结构，从句子的语序以及长短两方面进行句子相似度的计算，最终根据句子语义相似度和结构相似度加权求得整体句子的相似度。...
- 常亮时雨宾辰忠古天龙孙彦鹏孙磊匡海丽
- 文献传递
- 基于知识图谱和用户长短期偏好的个性化景点推荐方法及装置
- 本发明提出一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，包括：对游客的历史游览景点序列进行预处理并进行景点‑编码转换；使用node2vec随机游走得到景点序列，利用word2vec中的Skip‑gram模型，得到...
- 宾辰忠贾中浩古天龙常亮陈炜朱桂明
- 文献传递
- 基于轨迹挖掘模型的旅游景点推荐被引量：8
- 2019年
- 针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环神经网络设计轨迹挖掘表示模型,对游客的旅游轨迹进行建模,在利用游客历史轨迹建模后向游客提供个性化旅游景点推荐.在真实旅游轨迹数据集上的实验表明,相比广泛使用的基线方法,文中方法在景点推荐的准确性和质量上都有一定提高.
- 张舜尧常亮古天龙宾辰忠孙彦鹏朱桂明贾中浩
- 关键词：推荐系统
- 一种停车场车位远程预订系统
- 本实用新型公开一种停车场车位远程预订系统，由云中心服务器、手机客户端、系统远程管理端和停车场管理端组成；手机客户端、系统远程管理端和停车场管理端分别与云中心服务器相连接。用户使用手机客户端，通过移动互联网实时搜索附近空闲...
- 宾辰忠廖俊威廖皓翔梁北生刘元文易雅婧
- 文献传递
- 一种基于游览行为的旅游资源推荐方法及系统
- 本发明公开一种基于游览行为的旅游资源推荐方法及系统，通过在各景点安装蓝牙位置标签设备为游客智能终端提供景点标示，智能终端以此准确获得该游客在景区的详细游览轨迹；利用游客携带的智能终端获取其游览行为数据，并通过计算各游客的...
- 宾辰忠古天龙常亮孙彦鹏孙磊孙文平张伟涛
- 文献传递
- 一种基于序列语义与属性图特征学习的地点推荐方法
- 本发明公开一种基于序列语义与属性图特征学习的地点推荐方法，从社交网站下载历史数据，利用历史数据构建用户知识图谱、地点知识图谱、用户和地点的节点图、以及用户访问地点序列；构建联合用户社交关系、地点地理及属性信息的推荐模型，...
- 宾辰忠丁瀚韬
- “卓越计划”课程改革中校企合作新模式探索被引量：2
- 2013年
- 针对现行嵌入式系统课程的不足,在"卓越计划"的指导下,探索并尝试新的校企合作模式。通过合作使企业参与到课程建设和改革中,丰富课程教学模式,到达完善课程教材、实验平台建设的目的。实践证明,新的合作模式行之有效,使课程的培养方式与"卓越计划"培养目标相吻合。
- 宾辰忠杜洋黄建华
- 关键词：嵌入式课程校企合作模式
- 联合学习用户端和项目端知识图谱的个性化推荐被引量：5
- 2021年
- 如何在已有的用户行为和辅助信息的基础上准确建模用户的偏好非常重要。在各种辅助信息中,知识图谱(Know-ledge Graph,KG)作为一种新型辅助信息,其节点和边包含了丰富的结构信息和语义信息,近年来受到了越来越多研究者的关注。大量研究表明,在个性化推荐中引入知识图谱可以有效地提高推荐的性能,并增强推荐的合理性和可解释性。然而,现有的方法要么是在KG上探索每个用户-项目交互对(user-item)的独立子路径,要么使用图表示学习的方法在KG中分别学习目标用户(user)或项目(item)的表示,虽然都取得了一定的效果,但是前者没有充分捕获用户-项目(user-item)在KG上的结构信息,后者在产生嵌入(embedding)表示的过程中忽略了user和item的相互影响。为了弥补上述方法的不足,提出了一种联合学习用户端和项目端知识图谱(User-end and Item-end Knowledge Graph,UIKG)的新模型。该模型通过挖掘用户和项目在各自KG中的关联属性信息,并通过联合学习有效地捕获用户的个性化偏好与项目之间的关联性。具体的操作步骤是,利用基于图卷积神经网络的方法从用户知识图谱中学习用户表示向量,再将用户表示向量引入项目知识图谱中联合学习得到项目表示向量,实现用户端KG和项目端KG的无缝统一,最后通过多层感知器进行偏好预测,得到用户对项目的偏好概率,从而更有效地挖掘KG中的高阶结构信息和语义信息来捕获用户的个性化偏好。在公开数据集上的实验结果表明,与基线方法相比,UIKG在Recall@K指标上提高了2.5%~13.6%,在AUC和F1指标上提高了0.4%~5.8%。
- 梁浩宏古天龙宾辰忠常亮
- 关键词：个性化推荐知识图谱
