-
公开(公告)号：CN115601393A
公开(公告)日：2023-01-13
申请号：CN202211204309.3
申请日：2022-09-29
Applicant: 清华大学(CN)
Abstract: 本发明实施例提供一种轨迹生成方法、装置、设备和存储介质，该方法包括：获取第一场景下的用户移动轨迹；根据第一场景下的用户移动轨迹和第一轨迹生成模型，生成第二场景下的第一目标移动轨迹；其中，第一轨迹生成模型为基于第一场景和第二场景下包括用户移动轨迹的训练数据训练得到的。本发明实施例的方法实现了用户移动轨迹的生成。
-
公开(公告)号：CN113726545B
公开(公告)日：2022-12-23
申请号：CN202110697665.2
申请日：2021-06-23
Applicant: 清华大学
Abstract: 本发明提供一种基于知识增强生成对抗网络的网络流量生成方法及装置，该方法包括：根据设备及相关的用户、平台、位置和环境各属性确定知识图谱，基于知识图谱嵌入模型，得到每个设备的知识图谱嵌入向量；将每个设备的知识图谱嵌入向量，输入训练完成的生成对抗网络模型的生成器网络，输出生成网络数据，其为包括设备类型、流量序列长度属性的网络流量；其中，生成对抗网络模型，是基于多个已知流量设备的知识图谱嵌入向量，输入生成器网络，输出生成网络数据，再利用判别器对真实流量数据和生成网络数据进行对抗训练后得到。该方法需要数据量较少，能够对设备类型进行可靠区分，网络数据的真实性高。通过较少的数据，得到可靠的大规模物联网流量。
-
公开(公告)号：CN115203557A
公开(公告)日：2022-10-18
申请号：CN202210836415.7
申请日：2022-07-15
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种内容推荐模型的生成方法、装置、设备、存储介质及产品，涉及机器学习领域。该方法包括：在搜索空间中生成至少两个候选内容推荐模型；获取搜索空间中至少两个候选内容推荐模型分别对应的模型编码；基于至少两个候选内容推荐模型分别对应的模型编码对至少两个候选内容推荐模型进行性能预测，得到至少两个候选内容推荐模型分别对应的性能预测结果；基于性能预测结果从至少两个候选内容推荐模型中确定出目标内容推荐模型，目标内容推荐模型用于向帐号进行内容推荐。通过以上方式，能够更快速、自动地从多个候选内容推荐模型中，选择推荐性能更好的目标内容推荐模型。本申请可应用于云技术、人工智能、智慧交通等各种场景。
-
公开(公告)号：CN110858374B
公开(公告)日：2022-07-08
申请号：CN201810961395.X
申请日：2018-08-22
Applicant: 清华大学
IPC: G06Q30/06
Abstract: 本发明提供一种BPR中样本空间缩小方法及装置，所述方法包括：对于目标购物系统中的任一用户，根据该用户购买过的商品获取该用户对应的负采样比例系数，将所述目标购物系统的商品全集中除该用户购买过的商品以外的商品作为负样本候选集；根据该用户对应的负采样比例系数和负样本候选集，获取该用户对应的负样本空间。本发明缩小负样本空间，在保证推荐性能的基础上基于缩小的负样本空间进行商品推荐，提高了商品推荐的效率。
-
公开(公告)号：CN113889282A
公开(公告)日：2022-01-04
申请号：CN202110858829.5
申请日：2021-07-28
Applicant: 清华大学
Abstract: 本发明提供一种个体移动干预传染病防控方法及系统，该方法包括：获取目标城市中用户个体在预设时间间隔内每天的历史状态信息和个体关系信息；将所述历史状态信息和所述个体关系信息输入到训练好的个体移动干预传染病防控模型，得到所述目标城市中每个用户个体的防控干预措施；其中，所述训练好的个体移动干预传染病防控模型是由样本用户个体状态信息和样本个体关系信息，对图神经网络、长短期神经网络以及智能体进行训练得到的，所述智能体是由基于部分可观察马尔可夫决策过程构建得到的；所述样本用户个体状态信息包括有隐性感染者转化成显性感染者的健康状态信息。本发明能在较低的出行干预下尽量降低感染人数。
-
Patent Agency Ranking
公开(公告)号：CN113763031A
公开(公告)日：2021-12-07
申请号：CN202110851930.8
申请日：2021-07-27
Applicant: 清华大学
IPC: G06Q30/02 , G06F16/9536 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种商品推荐方法、装置、电子设备及存储介质，该方法包括：将用户信息和商品信息输入点击率预估模型，得到用户信息对应的商品点击率预测信息；基于所述商品点击率预测信息，生成所述用户信息对应的商品推荐信息；其中，所述点击率预估模型是基于目标样本交叉特征得到的，所述目标样本交叉特征是基于渐进式的搜索算法，根据商品用户特征搜索空间确定的。通过基于低秩近似设计的商品用户特征搜索空间，有效建模了不同阶数的交叉特征的相互关联，加速了后续的搜索过程，然后在搜索空间里得到目标样本交叉特征，从而构建点击率预估模型，通过点击率预估模型能够有效预测商品点击率预测信息，从而生成用户信息对应的商品推荐信息。
-
公开(公告)号：CN113761388A
公开(公告)日：2021-12-07
申请号：CN202110846408.0
申请日：2021-07-26
Applicant: 清华大学
IPC: G06F16/9536 , G06Q30/06 , G06Q50/00
Abstract: 本发明提供一种推荐方法、装置、电子设备及存储介质，该方法包括：将用户项目社交数据组输入训练好的项目推荐模型，得到每个用户与各个项目的交互预测信息，所述用户项目社交数据组包括用户‑用户社交信息、用户‑项目‑用户影响行为信息、用户‑项目交互信息中的至少一项，所述训练好的项目推荐模型是基于用户项目社交样本数据组训练得到的；根据所述每个用户与各个项目的交互预测信息，生成每个用户的项目推荐信息。
-
公开(公告)号：CN113610265A
公开(公告)日：2021-11-05
申请号：CN202110706207.0
申请日：2021-06-24
Applicant: 清华大学
IPC: G06Q10/04 , G06F16/9537 , G06N3/04 , G06N3/08
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：CN113435604A
公开(公告)日：2021-09-24
申请号：CN202110665601.4
申请日：2021-06-16
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本发明提供一种联邦学习优化方法及装置，该方法包括：在当前轮次的联邦学习中，获取服务器端发送的全局模型和延迟全局梯度，延迟全局梯度是由上一轮次联邦学习中，每个客户端基于各自本地数据对上一轮次的全局梯度进行更新得到的；基于当前轮次的全局模型和延迟全局梯度，通过本地数据对本地模型进行更新，得到联邦学习更新量，联邦学习更新量包括本地模型的更新量和延迟全局梯度的更新量；将联邦学习更新量发送到服务器端，以供服务器端根据联邦学习更新量进行信息聚合，得到新的全局模型和全局梯度，并将新的全局模型和全局梯度发送到每个客户端，用于下一轮次的联邦学习。本发明有效地克服模型偏差问题，提升通信效率、降低计算复杂度。
-
公开(公告)号：CN113379494A
公开(公告)日：2021-09-10
申请号：CN202110648210.1
申请日：2021-06-10
Applicant: 清华大学
IPC: G06Q30/06 , G06Q50/00 , G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于异质社交关系的商品推荐方法、装置和电子设备，包括：确定待推荐商品的用户；将用户输入推荐模型，输出所有商品的推荐度；推荐模型是基于样本用户、对应的购买商品标签以及存在社交关系的用户标签进行训练得到的，所述推荐模型训练时的网络结构包括异质社交关系表示超图卷积网络、商品向量表示超图卷积网络、关系向量表示超图卷积网络、用户嵌入表示超图卷积网络和商品用户推荐度计算网络，异质社交关系表示超图卷积网络用于将输入的样本用户结合样本用户存在社交关系的用户标签组成的两用户一商品超边三元组采用向量进行表示；基于推荐度，确定为所述用户推荐的商品。本发明提供的方法提高了商品推荐的有效性。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.056 seconds)
