-
公开(公告)号：CN116450860A
公开(公告)日：2023-07-18
申请号：CN202310220409.3
申请日：2023-03-08
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/435 , H04N21/2343 , H04N21/4402 , H04N21/466 , G06F18/214 , G06F18/25
Abstract: 本公开关于一种媒体资源推荐方法、推荐模型的训练方法及相关设备，该方法通过推荐模型，对媒体资源序列和操作反馈序列进行融合编码处理，得到初始媒体资源特征；初始媒体资源特征包括多个媒体资源子特征，每个所述媒体资源子特征包含对应的正反馈标签或负反馈标签；以及对初始媒体资源特征进行基于所述媒体资源序列对应的正反馈标签和负反馈标签相混合的编码处理，得到目标媒体资源特征；对目标媒体资源特征进行基于正反馈维度的反馈拆分处理，得到正反馈序列表征；以及基于候选资源的推荐结果确定推荐资源，从而提高了媒体资源的推荐准确率。
-
公开(公告)号：CN115908507A
公开(公告)日：2023-04-04
申请号：CN202211180553.0
申请日：2022-09-26
Applicant: 清华大学
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：CN115759350A
公开(公告)日：2023-03-07
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：CN115757877A
公开(公告)日：2023-03-07
申请号：CN202211154117.6
申请日：2022-09-21
Applicant: 清华大学
IPC: G06F16/901 , G06F16/9035 , G06F16/9038 , G06F16/909
Abstract: 本发明涉及城市计算技术领域，尤其涉及一种兴趣点推荐方法、装置、设备、存储介质及程序产品。方法包括：获取城市知识图谱，以及获取用户对兴趣点的历史访问数据；对城市知识图谱解纠缠，构建地理子图和功能子图，其中，地理子图包括地理实体之间的关系，功能子图包括功能实体和兴趣点之间的关系；根据历史访问数据，分别在地理子图和功能子图中增加用户与兴趣点之间的关系；基于地理子图和功能子图，剔除地理实体对交互可能性的直接影响，确定用户对应的至少一个推荐兴趣点。本发明用以解决现有技术中地理因素直接影响兴趣点推荐，导致兴趣点推荐过程智能化程度低、推荐效果差的缺陷，实现兴趣点智能化推荐。
-
公开(公告)号：CN115719107A
公开(公告)日：2023-02-28
申请号：CN202211358559.2
申请日：2022-11-01
Applicant: 清华大学
Abstract: 本发明提供一种人流轨迹模拟方法及装置。该方法包括：获取待分析的视频数据，基于所述视频数据提取出目标时间段内行人的初始轨迹运动状态数据以及对象特征数据；基于所述初始轨迹运动状态数据、对象特征数据和预设的轨迹模拟模型，获得所述轨迹模拟模型生成下一时间段对应的模拟轨迹运动状态数据；其中，所述轨迹模拟模型是基于预设的异构的门控信息传递网络以及样本数据建模训练得到的神经网络模型；基于所述模拟轨迹运动状态数据，输出相应的模拟人流轨迹数据。本发明提供的人流轨迹模拟方法，能够准确、有效的模拟得到人流轨迹数据，有效提高了人流轨迹模拟的效率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115630799A
公开(公告)日：2023-01-20
申请号：CN202211154171.0
申请日：2022-09-21
Applicant: 清华大学
IPC: G06Q10/0631 , G06Q30/0204 , G06F16/36 , G06F16/901
Abstract: 本发明提供一种门店选址方法、装置、电子设备及存储介质，其中，所述方法包括：基于城市数据构建城市知识图谱，其中，城市知识图谱中包括待选址实体和待选址关系，待选址实体包括待选址门店；对城市知识图谱进行预处理，得到待选址门店的任务无关实体表征向量和待选址关系的任务无关关系表征向量；基于图神经网络的编码器、任务无关实体表征向量和任务无关关系表征向量，得到待选址门店的任务相关实体表征向量和待选址关系的任务相关关系表征向量；将任务相关实体表征向量和任务相关关系表征向量输入至解码器得到待选址得分，并基于待选址得分确定与待选址门店对应的门店位置。通过本发明提高了选址决策的可信度和准确度。
-
公开(公告)号：CN115618960A
公开(公告)日：2023-01-17
申请号：CN202211153907.2
申请日：2022-09-21
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本发明提供一种联邦学习优化方法、装置、电子设备及存储介质，其中，所述方法包括：在当前轮次的联邦学习中，获取并下发上一轮次全局模型、上一轮次全局梯度估计和上一轮次二阶信息估计矩阵至多个客户端；接收并基于客户端上传的本地梯度和本地模型得到第一次更新后全局梯度估计和第一次更新后全局模型；将第一次更新后全局模型和第一次更新后全局梯度估计下发至客户端；接收并基于客户端上传的更新后本地梯度和更新后本地模型得到第二次更新后全局梯度估计和第二次更新后全局模型，并将第二次更新后全局模型和第二次更新后全局梯度估计下发至客户端，用于下一轮次的联邦学习。通过本发明提高了联邦优化算法的收敛速度。
-
公开(公告)号：CN115618079A
公开(公告)日：2023-01-17
申请号：CN202211153870.3
申请日：2022-09-21
Applicant: 清华大学
IPC: G06F16/9035 , G06F16/9038 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明涉及城市计算领域，提供一种会话推荐方法、装置、电子设备及存储介质，方法包括：获取用户的历史会话序列；将历史会话序列输入预先构建的会话推荐模型，得到会话推荐结果；会话推荐模型用于对历史会话序列进行意图解纠缠处理和会话预测，输出会话推荐结果。由于会话推荐过程涉及对历史会话序列的意图解纠缠处理，可以在会话推荐过程中更多的关注用户行为背后的会话意图，从而使会话推荐结果更满足用户的真正兴趣，推荐结果更加准确和可靠，解决了现有的会话推荐方法未考虑用户行为背后的会话意图，使得推荐给用户的结果准确性较低的问题。
-
公开(公告)号：CN115203543A
公开(公告)日：2022-10-18
申请号：CN202210778190.4
申请日：2022-06-29
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本公开关于一种内容推荐方法、内容推荐模型的训练方法及装置，所述方法包括：获取待推荐对象在目标场景下的历史交互内容序列和候选内容；通过内容推荐模型分别对历史交互内容序列和候选内容进行特征提取，得到历史交互内容和候选内容的场景特征和全局特征；对历史交互内容的场景特征和全局特征分别进行编码，得到历史交互内容序列的场景序列特征和全局序列特征；对历史交互内容序列的场景序列特征进行特征提取，得到待推荐对象的群体特征；根据群体特征、场景序列特征、全局序列特征及候选内容的场景特征和全局特征得到推荐指标信息；基于推荐指标信息，从候选内容中确定出针对待推荐对象的目标推荐内容。该方法可提高跨场景的推荐内容的质量。
-
公开(公告)号：CN115080856A
公开(公告)日：2022-09-20
申请号：CN202210764376.4
申请日：2022-06-29
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本公开关于一种推荐方法及装置、推荐模型的训练方法及装置。该训练方法包括：获取待推荐对象的用户账户和至少两个待推荐对象的对象标识；将超图的信息输入超图卷积网络，得到训练数据中训练用户账户、对象和行为的嵌入表示信息，其中，训练数据包括多个元组，每个元组包括一个训练用户账户、一个对象的对象标识、训练用户账户对对象产生的行为的行为标识，超图是基于训练数据中的多个元组构建的以训练用户账户、对象标识和行为标识为节点的图；将嵌入表示信息、用户账户和至少两个待推荐对象的对象标识输入到推荐网络，得到每个待推荐对象的推荐信息；基于推荐信息向用户账户推荐至少两个待推荐对象。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.053 seconds)
