-
公开(公告)号:CN111241419A
公开(公告)日:2020-06-05
申请号:CN202010022487.9
申请日:2020-01-09
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于用户关系嵌入模型的下一个兴趣点推荐方法,步骤为:根据朋友关系和用户历史签到记录数据分别建立朋友关系表和偏好相似关系表,通过这两个表建立用户关系图;根据建立的用户关系图采用随机游走算法得到用户关系序列,用户关系序列经过Word2Vec词嵌入模型得到每个用户的低纬嵌入向量;利用用户的低纬嵌入向量对神经网络的用户嵌入层参数进行初始化,使用门控循环单元给出下一个兴趣点推荐。本发明的基于用户关系嵌入模型的下一个兴趣点推荐方法将偏好相似关系引入到推荐模型中,增强了用户关系的表示,解决了现有方法只考虑用户朋友关系的片面性导致推荐模型的局限性问题,有效提高了推荐模型的准确率。
-
公开(公告)号:CN113779039A
公开(公告)日:2021-12-10
申请号:CN202111128707.7
申请日:2021-09-26
Applicant: 辽宁工程技术大学
IPC: G06F16/22 , G06F16/2453 , G06F16/2455 , G06F16/2457 , G06F16/2458 , G06F16/29
Abstract: 本发明公开了一种Top‑k集合空间关键字近似查询方法,步骤为:对于空间对象数据集中不包含任意一个查询关键字的空间对象进行剪枝,将剩余的空间对象根据其到查询位置的欧式距离对其进行升序排序,然后将相关空间对象构建成VP‑Tree;利用VP‑Tree加速搜索空间对象的局部邻域;利用评分函数计算其综合距离分数,并按综合得分选出Top‑k组空间对象作为最终结果。本发明提出的空间对象关联度评估方法具有较高的准确性,提出的剪枝策略具有较高的执行效率,获取的Top‑k组空间对象具有较高的用户满意度。
-
公开(公告)号:CN112257934A
公开(公告)日:2021-01-22
申请号:CN202011157484.2
申请日:2020-10-26
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于时空动态神经网络的城市人流预测方法,包括:获取城市人流历史移动轨迹数据,将城市人流数据抽象成“图像帧”,根据时间将城市人流数据划分为训练数据集和测试数据集,将城市人流数据抽象成“图像帧”,使其处理方法转化为图像处理方法,将“图像帧”输入三维卷积神经网络,提取时间特性和空间特性,捕捉城市人流的流动性特征;把空间特征输入到残差卷积块,捕捉空间上距离较远的区域人流相互之间的影响;通过训练模型得到城市区域人流预测结果。本发明通过构建时空动态图和残差卷积块,结合城市区域人口流动特性和空间全局相关特性,对未来一段时间的城市区域人流流动进行预测,具有较快的收敛速度和准确率上的提升优势。
-
公开(公告)号:CN110377684A
公开(公告)日:2019-10-25
申请号:CN201910657222.3
申请日:2019-07-19
Applicant: 辽宁工程技术大学
IPC: G06F16/29 , G06F16/9537 , G06F17/27
Abstract: 本发明公开了一种基于用户反馈的空间关键字个性化语义查询方法,步骤为:空间对象文本信息的语义扩展;根据用户反馈信息对查询关键字进行权重调整。本发明采用Gibbs算法估计空间对象文本信息的主题概率分布,进而利用LDA模型对空间数据集进行语义扩展,利用IR-tree混合索引结构从扩展后的空间数据库中获得候选查询结果;用户根据个人偏好在候选集中明确标注出相关的查询结果,根据用户的反馈信息,采用Rocchio算法对用户初始查询条件进行更新,使得新的查询条件更贴近用户实际需求和偏好;利用更新后的查询条件再进行检索,得到新的候选集,重复执行反馈过程,直到查询结果令用户满意为止,本发明在一定程度上提高了空间关键字查询结果的个性化程度和准确率。
-
公开(公告)号:CN110362652A
公开(公告)日:2019-10-22
申请号:CN201910657221.9
申请日:2019-07-19
Applicant: 辽宁工程技术大学
IPC: G06F16/31 , G06F16/33 , G06F16/387 , G06F17/27
Abstract: 本发明公开了一种基于空间-语义-数值相关度的空间关键字Top-K查询方法,步骤为:利用Word Embedding技术对用户初始查询进行语义扩展;构建空间-语义-数值混合索引结构AKR-tree;空间-语义-数值的相关度计算。本发明利用Word Embedding技术对用户初始查询进行语义扩展,生成一系列与初始查询关键字语义相关的查询关键字;然后构建空间-语义-数值混合索引结构AKR-tree,该索引结构能同时支持查询关键字的文本和语义匹配,并利用Skyline方法对数值属性进行处理;最后,利用提出的索引结构快速匹配与空间关键字查询条件语义相关的对象,并按空间-语义-数值的综合相关度进行排序。与现有同类方法相比,本发明方法具有更好的查询结果用户满意度,索引结构具有较快的查询响应时间。
-
公开(公告)号:CN108647213A
公开(公告)日:2018-10-12
申请号:CN201810489286.2
申请日:2018-05-21
Applicant: 辽宁工程技术大学
IPC: G06F17/27
Abstract: 本发明提供一种基于耦合关系分析的组合关键字语义相关度评估方法,涉及短文本分析、Web数据库关键字查询技术领域。该方法包括:利用中英文分词方法从短文本集合中抽取出不同关键字建立关键字耦合关系图;计算关键字之间的耦合关系;将组合关键字对转换为耦合关系矩阵,利用耦合关系矩阵构成核函数,根据核函数计算组合关键字之间的语义相关度。本发明提供的一种基于耦合关系分析的组合关键字语义相关度评估方法,将耦合关系分析思想引入到短文本分析和Web数据库的关键字查询中,扩展了用户的查询思路,完善了用户的查询需求,解决了用户的查询意图模糊或不明确,无法有效表达查询需求的问题,有效提高了查询的准确性。
-
-
-
-
-