-
公开(公告)号：CN113610265B
公开(公告)日：2024-07-26
申请号：CN202110706207.0
申请日：2021-06-24
Applicant: 清华大学
Abstract: 本发明提供一种基于超图卷积网络的时空行为预测方法及系统，其中方法包括：确定待预测时空行为的用户ID及对应的时间和地点；将所述待预测时空行为的用户ID及对应的时间和地点输入至时空行为预测模型，得到所述时空行为预测模型输出的用户ID对应的行为结果；其中，所述时空行为预测模型是基于用户的历史时空行为数据构建的超图用图卷积神经网络训练得到。本发明解决了目前对于用户时空行为场景下用户、时间、地点和行为之间交互关系的建模不充分的问题，从而实现了对用户时空行为的准确预测。
-
公开(公告)号：CN115759350B
公开(公告)日：2024-07-12
申请号：CN202211313718.7
申请日：2022-10-25
Applicant: 清华大学
Abstract: 本发明提供一种数据稀疏区域的人口流动预测方法及装置。该方法包括：利用基于强化学习的因果发现模型从源区域的数据中获取相应的区域因果知识；基于区域因果知识和初始的变分自动编码器，得到基于因果增强的变分自动编码器，对目标区域的缺失特征进行恢复，获得潜在的因果嵌入向量；潜在的因果嵌入向量是观测特征以及缺失特征对应的表征向量；基于源区域与目标区域之间知识蒸馏的迁移学习算法，将预测模型的知识迁移到目标区域，并基于知识和嵌入向量进行目标区域的人口流动预测。本发明提供的数据稀疏区域的人口流动预测方法，能够有效解决稀疏数据导致的预测困境，提高了针对数据稀疏区域的人口流动预测效率和精确度。
-
公开(公告)号：CN115620157B
公开(公告)日：2024-07-09
申请号：CN202211153884.5
申请日：2022-09-21
Applicant: 清华大学
Abstract: 本发明提供一种卫星图像的表征学习方法及装置，其中的方法包括：获取目标区域的目标卫星图像；将目标卫星图像输入至预先训练的表征学习模型中，得到目标预测结果；其中，表征学习模型基于兴趣点对比样本和地理空间对比样本训练得到，目标预测结果用于评估目标区域的待监测指标。该方法不仅使用卫星图像的地理空间信息进行表征学习，还同时融入了人类活动相关的信息，实现了多模态信息的表征融合，并有效提升了目标区域内相关指标预测的精确度。
-
公开(公告)号：CN111695965B
公开(公告)日：2024-04-12
申请号：CN202010340665.2
申请日：2020-04-26
Applicant: 清华大学 , 杭州贝购科技有限公司
IPC: G06Q30/0601 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例涉及商品智能化推荐技术领域，公开了基于图神经网络的产品筛选方法、系统及设备。本发明实施例先获取当前产品对应的第一产品信息向量与当前用户对应的第一用户信息向量；将第一产品信息向量与第一用户信息向量输入至第一预设产品筛选模型，输出第一分值；基于第一分值确定对应的目标产品信息。明显地，本发明实施例可将产品信息向量转换为用户信息向量进行表征，还将根据用户信息向量转换为产品信息向量进行表征。然后，以转换后的信息向量进行分值确定。可见，该模型使用方式深入挖掘了交易信息中隐含的用户与商品之间的关联性，使得建模较为充分，自然也就提高了产品推荐的准确性，解决了推荐准确性较低的技术问题。
-
公开(公告)号：CN111582538B
公开(公告)日：2023-07-04
申请号：CN202010220441.8
申请日：2020-03-25
Applicant: 清华大学 , 杭州贝购科技有限公司
Abstract: 本发明实施例提供一种基于图神经网络的社群价值预测方法及系统，该方法包括：获取用户特征信息和用户交互信息；基于用户特征信息和用户交互信息将所有用户划分为不同的社群；将每个社群所包含的原始特征信息输入至预先训练好的社群价值预测模型，获取每个社群相对应的社群价值预测值；其中，每个社群所包含的原始特征信息包括组成所述社群的所有用户的用户特征信息和用户交互信息。本发明实施例，通过综合用户固有的特征信息和用户之间交互信息，构建包含多个层次结构特征的社群，并获取每个社群的原始特征信息生成表示向量后，基于多层次的神经网络模型分析，获取到社群价值预测值，有效的提高了预测的精度，减少了人力物力的消耗。
-
Patent Agency Ranking
公开(公告)号：CN115860179A
公开(公告)日：2023-03-28
申请号：CN202211358510.7
申请日：2022-11-01
Applicant: 清华大学
IPC: G06Q10/04 , G06N5/02 , G06N20/00 , G06F16/9537 , G06Q50/26
Abstract: 本发明涉及城市计算技术领域，尤其涉及一种轨迹预测方法、装置、设备、存储介质及程序产品。方法包括：获取至少一个用户轨迹移动的历史数据，以及获取空间位置和/或时间节点之间的多步路径规则，其中，历史数据包括历史上空间位置和/或时间节点之间的直接访问路径；根据历史数据，构建时空知识图谱；将任意一个用户的预测时间节点和/或前次访问位置输入轨迹预测嵌入模型，获得轨迹预测嵌入模型输出的预测空间位置，其中，轨迹预测嵌入模型基于时空知识图谱和多步路径规则训练得到。本发明用以解决现有技术中忽略时间和/或空间位置之间复杂的依赖关系，导致轨迹预测结果准确性较低的缺陷，实现更准确的轨迹预测。
-
公开(公告)号：CN115858913A
公开(公告)日：2023-03-28
申请号：CN202211358838.9
申请日：2022-11-01
Applicant: 清华大学
IPC: G06F16/9535 , G06Q10/04 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种仿真行为序列数据生成方法、装置、电子设备及存储介质，其中，所述方法包括：基于嵌入网络构建当前时刻的个体状态，其中，所述个体状态包括随时间连续演化个体状态和瞬时跳变个体状态；基于当前时刻的所述个体状态，通过与所述个体状态对应的状态转移网络得到下一时刻的预测个体状态；将所述预测个体状态输入至策略函数网络，采样得到仿真行为序列数据。通过本发明提供的仿真行为序列数据生成方法，能够生成高质量的仿真行为序列数据，为高效训练预测或推荐模型打下基础。
-
公开(公告)号：CN110545558B
公开(公告)日：2023-03-28
申请号：CN201910844144.8
申请日：2019-09-06
Applicant: 山东省交通规划设计院集团有限公司 , 清华大学
Abstract: 本公开提供了一种基于Wi‑Fi数据的高速服务区人群密度估计系统，包括数据采集装置，其被配置为采集各个服务区的地理位置相关信息及Wi‑Fi数据；利用回归模型估计出服务区人数；回归模型的自变量为各个服务区各个小时区间内连接Wi‑Fi人数，因变量为对应服务区人数；自变量的斜率为连接意愿的倒数，连接意愿由各个服务区的环境特征、功能定位特征、天特征和小时特征与相应学习参数相乘构成；环境特征和功能定位特征分别从相应服务区的Wi‑Fi数据和地理位置相关信息中提取；天特征和小时特征均为预设分段函数；根据估计出的服务区人数以及用户进入服务区的连接AP顺序，预测用户的行为偏好，进而估计出服务区中各功能区的人数，最后得到服务区的人群密度。
-
公开(公告)号：CN115757806A
公开(公告)日：2023-03-07
申请号：CN202211154145.8
申请日：2022-09-21
Applicant: 清华大学
IPC: G06F16/36 , G06F16/901 , G06N20/00
Abstract: 本发明提供一种超关系知识图谱嵌入方法、装置、电子设备及存储介质，其中，所述方法包括：获取待嵌入超关系知识图谱；基于属性展开操作，将所述待嵌入超关系知识图谱转化为与所述待嵌入超关系知识图谱对应的知识图谱，其中，所述知识图谱中包括多个事实；基于与所述事实对应的事实多元组，得到与所述事实多元组对应的训练样本集；基于所述训练样本集训练表征模型，得到训练后表征模型；将所述待嵌入超关系知识图谱输入至所述训练后表征模型，得到所述训练后表征模型输出的嵌入后超关系知识图谱。通过本发明提高了嵌入后的超关系知识图谱的表达能力和预测效果。
-
公开(公告)号：CN115620157A
公开(公告)日：2023-01-17
申请号：CN202211153884.5
申请日：2022-09-21
Applicant: 清华大学
Abstract: 本发明提供一种卫星图像的表征学习方法及装置，其中的方法包括：获取目标区域的目标卫星图像；将目标卫星图像输入至预先训练的表征学习模型中，得到目标预测结果；其中，表征学习模型基于兴趣点对比样本和地理空间对比样本训练得到，目标预测结果用于评估目标区域的待监测指标。该方法不仅使用卫星图像的地理空间信息进行表征学习，还同时融入了人类活动相关的信息，实现了多模态信息的表征融合，并有效提升了目标区域内相关指标预测的精确度。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.074 seconds)
