公开(公告)号：CN115908507B

公开(公告)日：2025-01-24

申请号：CN202211180553.0

申请日：2022-09-26

Applicant: 清华大学

Inventor： 颜欢 ,  李勇 ,  喻复旦 ,  金德鹏

IPC: G06T7/292 ,  G06T7/246 ,  G06V20/54 ,  G06V10/62 ,  G06V10/764 ,  G06V10/74 ,  G06V10/762 ,  G06V10/77 ,  G06F16/29 ,  G06N7/01

Abstract: 本发明实施例提供一种车辆轨迹恢复方法、设备、装置和存储介质，该方法包括：获取基于多个交通摄像头得到的多个车辆的视觉特征；根据多个车辆的视觉特征和对车辆的轨迹约束的时空特征，获取各个车辆的多模态特征；根据各个车辆的多模态特征，获取各个车辆的多个轨迹采样点的数据；根据路径概率模型和各个车辆的轨迹采样点的数据，得到各个车辆的轨迹恢复结果；路径概率模型用于确定各个车辆在相邻的轨迹采样点间的最大概率的路径。本发明实施例的方法，在基于车辆视觉特征的基础上，充分考虑轨迹的时空合理性约束，准确地实现了车辆轨迹的恢复。

公开(公告)号：CN113761388B

公开(公告)日：2024-09-27

申请号：CN202110846408.0

申请日：2021-07-26

Applicant: 清华大学

Inventor： 高宸 ,  李勇 ,  李念 ,  金德鹏

IPC: G06F16/9536 ,  G06Q30/0601 ,  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：CN111815396B

公开(公告)日：2024-05-31

申请号：CN202010501385.5

申请日：2020-06-04

Applicant: 清华大学

Inventor： 李勇 ,  韩振宇 ,  徐丰力 ,  金德鹏

IPC: G06Q30/0601 ,  G06N3/045 ,  G06N3/082 ,  G06N3/086

Abstract: 本发明实施例涉及产品智能化推荐技术领域，公开了基于元图的产品筛选方法、系统、设备及存储介质。本发明实施例先获取异构网络信息；将异构网络信息输入至预设产品筛选模型，输出产品分值；基于产品分值确定待推荐产品对应的产品信息；其中，预设产品筛选模型用于通过元图处理异构网络信息。明显地，本发明实施例将应用异构网络信息来筛选待推荐产品，而非仅局限于用户与产品二者之间的交互，同时，还使用了元图过滤异构网络信息以辅助推荐行为，从而提升了推荐准确性，解决了推荐准确性较低的技术问题。此外，还可使用遗传算法框架，并同时结合预测操作与测试操作，以自动寻找更有利于产品推荐的元图。

公开(公告)号：CN115601393B

公开(公告)日：2024-05-07

申请号：CN202211204309.3

申请日：2022-09-29

Applicant: 清华大学

Inventor： 王寰东 ,  李勇 ,  金德鹏

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/08 ,  H04W4/029

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：CN117892834A

公开(公告)日：2024-04-16

申请号：CN202211433772.5

申请日：2022-11-16

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 李勇 ,  易玲玲 ,  郑瑜 ,  高宸 ,  丁璟韬 ,  金德鹏

IPC: G06N20/00 ,  G06F16/9535

Abstract: 提出了一种媒体内容推荐模型训练方法和装置。该媒体内容推荐模型训练方法包括：获取多个对象的数据集；对每一个对象的数据集的多个交互记录进行分组，使得同一组内各个交互记录的媒体内容时长在同一预设范围内；通过数据规范化处理计算与每一组中每一个交互记录对应的交互时长增益；基于每一个交互记录构造第一训练样本，并基于该交互记录对应的交互时长增益构造对应的第一样本标签；将第一训练样本输入到第一媒体内容推荐模型以基于第一媒体内容推荐模型的输出结果和第一样本标签计算第一损失；至少基于第一损失确定第一媒体内容推荐模型的目标损失；以及基于目标损失，对第一媒体内容推荐模型的参数进行迭代更新直至满足预设条件。

公开(公告)号：CN111008858B

公开(公告)日：2023-10-31

申请号：CN201911019618.1

申请日：2019-10-24

Applicant: 清华大学 ,  杭州微拓科技有限公司

Inventor： 李勇 ,  丁璟韬 ,  平钰坤 ,  卢中县 ,  徐裕键 ,  张良伦 ,  金德鹏 ,  张凡宇 ,  周亮

IPC: G06Q30/0202 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明实施例提供一种商品销量预测方法及系统，包括：获取目标商品在预设历史时间段的销量序列和所有类似商品在预设历史时间段内的销量序列；获取相同特征商品促销活动序列的归一化销量；将目标商品在预设历史时间段的销量序列、所有类似商品在预设历史时间段的销量序列和相同特征商品促销活动序列的归一化销量输入到卷积层中，获取特征空间向量；将目标商品的静态特征、在预设历史时间段内的销量序列、平台爆发销量序列、商品爆发销量序列和特征空间向量进行拼接，将拼接之后的特征输入全连接层，获取目标商品在预测未来时间段内的销量。本发明实施例有效利用未来时间内平台的促销活动及商品的特卖排期信息，大幅提升预估准确度。

公开(公告)号：CN113687651B

公开(公告)日：2023-10-03

申请号：CN202110762775.2

申请日：2021-07-06

Applicant: 清华大学

Inventor： 李勇 ,  宗泽方 ,  金德鹏

IPC: G05D1/02

Abstract: 本发明提供一种按需派送车辆的路径规划方法及装置。该方法包括：获取待分析的订单数据；将所述订单数据输入到双阶段强化学习预测模型中，得到所述双阶段强化学习预测模型输出的车辆配送路径规划策略；其中，所述双阶段强化学习预测模型是基于预设的样本订单数据、所述样本订单数据对应的配送路径规划策略及其结果迭代训练得到；所述双阶段强化学习预测模型包括：用于进行操作算子选择的算子选择器以及用于进行操作算子作用路径选择的路径选择器。采用本发明按需派送车辆的路径规划方法，能够基于双阶段强化学习预测模型引入深度强化学习的方法指导启发式操作在策略空间中进行高效搜索，提高了按需派送车辆的路径规划的效率和准确度。

公开(公告)号：CN111680162B

公开(公告)日：2023-10-03

申请号：CN202010306913.1

申请日：2020-04-17

Applicant: 清华大学

Inventor： 李勇 ,  金德鹏 ,  刘宇

IPC: G06F16/36 ,  G06F17/16 ,  G06F17/15

Abstract: 本发明实施例涉及知识图谱技术领域，公开了基于张量分解的知识图谱嵌入方法、系统及设备。本发明实施例先获取当前知识图谱对应的张量；对张量进行Tucker分解，以得到分解后的张量；确定与分解后的张量对应的事实得分；根据事实得分对与预设知识图谱嵌入模型对应的嵌入向量进行更新，通过更新后的嵌入向量进行当前知识图谱的嵌入操作。明显地，本发明实施例提供了一种较好的面向N元知识图谱的嵌入方式，具体地，将在知识图谱嵌入操作上结合进张量分解操作，最终可提高嵌入操作的准确性；同时，还大大降低了参数复杂度，提高了运行效率。而且，本实施例可基于Tucker和张量环式进行联合分解。

公开(公告)号：CN116827809A

公开(公告)日：2023-09-29

申请号：CN202210285966.9

申请日：2022-03-22

Applicant: 中国移动通信有限公司研究院 ,  清华大学 ,  中国移动通信集团有限公司

Inventor： 王星 ,  于巧红 ,  朱琳 ,  杨可欣 ,  王寰东 ,  冯俊兰 ,  邓超 ,  李勇 ,  金德鹏

IPC: H04L41/147 ,  H04W24/02 ,  H04W24/06

Abstract: 本发明公开了一种输出流量预测方法、装置及存储介质，包括：获取基站的历史流量序列以及基站的地理位置信息；确定时间和空间维度最相近的至少一个邻居基站作为目标基站的邻居子图；通过阈值设置规则处理获得原始流量序列以及流量离散序列；通过图注意力网络获取邻居子图中各基站与目标基站之间在流量上相似或相反的空间依赖关系；将原始流量序列与离散流量序列分别通过TCN获取时间依赖关系；通过软注意力机制根据空间依赖关系与时间依赖关系输出流量预测结果。采用本发明，避免学习了过多冗余信息。提高了网络流量过载预测的准确率。能挖掘更深层次的空间依赖关系。在多步预测准确率以及运算速度上有了很大的提升。

公开(公告)号：CN111598114B

公开(公告)日：2023-07-25

申请号：CN201910127322.5

申请日：2019-02-20

Applicant: 腾讯大地通途(北京)科技有限公司 ,  腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 李勇 ,  夏彤 ,  金德鹏 ,  孙福宁

IPC: G06F18/2415 ,  G06F18/20 ,  G06Q30/0204

Abstract: 本申请涉及一种隐藏状态序列的确定方法，包括获取目标街区对应的观测序列；基于观测序列、隐马尔科夫模型中与目标街区对应的初始状态概率和状态转移概率、以及与隐马科夫模型涉及的各候选街区共同对应的高斯分布均值和高斯分布方差，确定目标街区在观测序列覆盖的各时间片内分别处于隐马尔科夫模型的各隐藏状态的局部概率，确定各局部概率分别对应的反向指针；基于目标街区在观测序列覆盖的最后一个时间片内分别处于各隐藏状态的局部概率中的最大局部概率，确定目标街区在最后一个时间片内所处的隐藏状态；基于目标街区在最后一个时间片内所处的隐藏状态及各反向指针进行最优路径回溯得到隐藏状态序列，能支持对街区的状态转移情况进行确定。