-
公开(公告)号：CN112883292A
公开(公告)日：2021-06-01
申请号：CN202110176267.6
申请日：2021-02-06
Applicant: 西北大学
IPC: G06F16/9537 , G06F16/9535 , G06F16/901 , G06F30/27 , G06K9/62 , G06N7/02 , G06N3/12
Abstract: 本发明属于数据挖掘以及推荐系统技术领域，公开了一种用户行为推荐模型建立及基于时空信息的位置推荐方法。首先学习不同位置类型的时间层面影响程度；其次，将签到数据映射到多个时间段内并构建融合时间相关性的行为数据集；然后实时的更新用户与行为之间的偏好关系；最后研究同一类型位置在地理空间上的聚集现象对用户的吸引程度，融合用户行为的时空信息构建个性化的位置推荐模型，并向每一个用户推荐最合适的位置。本发明的新颖之处在于模型考虑了用户访问行为的时间相关性，此外模型提供了一种实时的行为预测方法，并提供一种新的角度研究位置聚集现象对用户的吸引程度，最终通过融合时空信息提高了个性化位置推荐的准确率。
-
公开(公告)号：CN109902719A
公开(公告)日：2019-06-18
申请号：CN201910072075.3
申请日：2019-01-25
Applicant: 西北大学
IPC: G06K9/62
Abstract: 本发明提出了一种新的具有本征子空间的图像鲁棒单步谱聚类方法(RS3CIS)。RS3CIS使用一种局部表示方法，通过行稀疏变换矩阵将原始数据投影到低维子空间，并使用变换矩阵的“l2,1-范数”作为惩罚项，以实现噪声抑制。另外，RS3CIS引入了Laplacian矩阵秩约束，使得它能够输出一个具有显式聚类结构的亲和图，从而使最终的聚类结果在构造亲和矩阵的一步中得到。将所提出的算法RS3CIS与四种经典聚类方法和两种相关聚类方法在合成数据集和真实世界基准数据集上进行了比较。最后的实验结果表明，与相关方法相比，该方法具有更好的聚类质量、鲁棒性和降维能力。
-
公开(公告)号：CN113807406A
公开(公告)日：2021-12-17
申请号：CN202110980857.4
申请日：2021-08-25
Applicant: 西北大学
Abstract: 本发明公开了一种融合地理上下文的深度多尺度交通模式识别模型UrbTrans，其构建包括：1.从OpenStreetMap平台爬取城市区域的公共设施、道路网络、道路等级等地理信息数据，将GPS轨迹数据与地理信息数据相互匹配，提取轨迹的地理上下文特征；2.从原始GPS轨迹中提取速度、加速度、航向变化率等运动特征信息；3.构建并训练融合轨迹运动特征和地理上下文特征的深度多尺度交通模式识别模型UrbTrans。4.使用训练后的深度多尺度交通模式识别模型UrbTrans对城市区域中GPS轨迹的交通模式进行识别，将输入GPS轨迹段的交通模式识别为步行、自行车、公共交通、轿车中的一种。提高了轨迹交通模式识别的准确性，并且在对短距离、短时间的轨迹识别上有进一步优势。
-
-
公开(公告)号：CN107220483B
公开(公告)日：2021-01-01
申请号：CN201710324105.6
申请日：2017-05-09
Applicant: 西北大学
IPC: G06F30/20
Abstract: 本发明公开了一种土体温度模式预测方法，包括三个阶段，首先对每一个条件变量及决策变量所形成的时间序列寻找候选兴趣模式集，分别对每个候选兴趣模式集进行聚类；其次，产生条件变量与决策变量之间的预测；最后将待测数据的条件变量执行阶段一获得的兴趣模式去匹配阶段二的预测规则，若满足预测规则的前件，则输出决策变量的预测结果。本发明的多元时序数据的模式预测方法计算量小，有效的减小模式预测中的时间复杂度，解决了传统方法中时间复杂度过高的问题。
-
Patent Agency Ranking
公开(公告)号：CN107220483A
公开(公告)日：2017-09-29
申请号：CN201710324105.6
申请日：2017-05-09
Applicant: 西北大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种多元时序数据的模式预测方法，包括三个阶段，首先对每一个条件变量及决策变量所形成的时间序列寻找候选兴趣模式集，分别对每个候选兴趣模式集进行聚类；其次，产生条件变量与决策变量之间的预测；最后将待测数据的条件变量执行阶段一获得的兴趣模式去匹配阶段二的预测规则，若满足预测规则的前件，则输出决策变量的预测结果。本发明的多元时序数据的模式预测方法计算量小，有效的减小模式预测中的时间复杂度，解决了传统方法中时间复杂度过高的问题。
-
公开(公告)号：CN111897954B
公开(公告)日：2024-04-02
申请号：CN202010666552.1
申请日：2020-07-10
Applicant: 西北大学
IPC: G06F16/35 , G06F40/30 , G06F40/242 , G06F40/205 , G06F40/211 , G06F40/284 , G06F40/289
Abstract: 本发明公开了用户评论方面挖掘系统、方法、及存储介质，借助Word2vec以及全局的Attention机制和双向长短期记忆网络来依次处理文本：首先使用Word2vec得到每个单词的向量表示，通过词嵌入层将上下文中经常同时出现的词映射到嵌入空间中相近的位置；然后利用Attention机制过滤句子中的词嵌入得到方面向量，利用Bi‑LSTM提取文本的上下文语义信息得到语义向量，通过对得到的方面向量和语义向量进行拼接；利用方面嵌入的线性组合对结果进行重构。最终得到每个方面的代表词，相比传统提取方面LDA方法和忽略文本语义特征的神经网络方法，本发明有效的解决了传统的深度方面挖掘模型未考虑到文本的上下文语义信息的问题，模型结构简单、易于扩展、鲁棒性强，在实践中易于推广使用。
-
公开(公告)号：CN116307319A
公开(公告)日：2023-06-23
申请号：CN202310202372.1
申请日：2023-03-03
Applicant: 西北大学
IPC: G06Q10/047 , G06Q10/02 , G06Q30/0645 , G06Q50/30 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种网约拼车请求及服务车辆的路径规划模型构建方法，以解决目前网约拼车领域中，请求分配以及路径规划方法存在的计算复杂度大、忽视未来请求的问题。本发明的方案是基于强化学习的网约拼车请求分配以及路径规划方法，该方法能够在为车辆分配请求时考虑到未来请求的随机产生，从而引导车辆行驶，同时使用高效方法进行拼车服务中的车辆行驶路线更新。
-
公开(公告)号：CN112964266A
公开(公告)日：2021-06-15
申请号：CN202110156527.3
申请日：2021-02-04
Applicant: 西北大学
IPC: G01C21/34
Abstract: 本发明公开了一种网约服务拼单路线规划方法及存储介质。该方法通过获取乘客出行需求信息，构建拼单数据的时空拓扑关系，并根据时空拓扑关系规划车辆拼车的出行路线。基本步骤包括：获取城市路网信息，城市交通信息和行车信息并根据交通信息与路网信息，生成交通加权路网；获取所有乘客出行请求，根据所述交通加权路网生成乘客出行路网数据；建立乘客间的可拼车关系，生成拼单数据；构建拼单数据的时空拓扑关系图；生成拼车路线。本发明的路线规划方式能够在满足所有客户服务需求的前提下，使通行成本达到最低、降低区域交通压力。尤其适用于网约车、无人自动驾驶服务行业、快递拼单路线规划。
-
公开(公告)号：CN111897954A
公开(公告)日：2020-11-06
申请号：CN202010666552.1
申请日：2020-07-10
Applicant: 西北大学
IPC: G06F16/35 , G06F40/30 , G06F40/242 , G06F40/205 , G06F40/211 , G06F40/284 , G06F40/289
Abstract: 本发明公开了用户评论方面挖掘系统、方法、及存储介质，借助Word2vec以及全局的Attention机制和双向长短期记忆网络来依次处理文本：首先使用Word2vec得到每个单词的向量表示，通过词嵌入层将上下文中经常同时出现的词映射到嵌入空间中相近的位置；然后利用Attention机制过滤句子中的词嵌入得到方面向量，利用Bi-LSTM提取文本的上下文语义信息得到语义向量，通过对得到的方面向量和语义向量进行拼接；利用方面嵌入的线性组合对结果进行重构。最终得到每个方面的代表词，相比传统提取方面LDA方法和忽略文本语义特征的神经网络方法，本发明有效的解决了传统的深度方面挖掘模型未考虑到文本的上下文语义信息的问题，模型结构简单、易于扩展、鲁棒性强，在实践中易于推广使用。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
