-
公开(公告)号：CN110889747B
公开(公告)日：2023-05-09
申请号：CN201911215534.5
申请日：2019-12-02
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06Q30/0601
Abstract: 本发明涉及商品推荐方法、装置、系统、计算机设备及存储介质，属于信息推荐技术领域。该方法包括：获取预先构建的第一样本采集模型；所述第一样本采集模型用于表征曝光商品负样本和初始商品负样本之间的相关性；所述初始商品负样本中包含有未曝光商品负样本；根据所述第一样本采集模型，从所述初始商品负样本中确定目标采样商品负样本；根据所述目标采样商品负样本确定目标推荐商品。上述技术方案，解决了传统商品推荐方法不能得到准确的商品推荐结果的问题。能从包含有未曝光商品负样本的初始商品负样本中选取出代表用户真实负向喜好的负样本，进而得到准确的商品推荐结果。
-
公开(公告)号：CN116030332A
公开(公告)日：2023-04-28
申请号：CN202111246324.X
申请日：2021-10-26
IPC: G06V10/84 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本公开涉及一种基于生成对抗模仿学习的用户轨迹生成方法及装置，该方法包括：构建基于生成对抗模仿学习的策略函数网络和回报函数网络；基于用户的历史移动轨迹对所述策略函数网络和回报函数网络进行训练，得到用户轨迹生成模型；将用户当前的移动轨迹输入所述用户轨迹生成模型中，生成用户的移动轨迹，其中，所述状态信息至少包括第一用户属性状态和第二用户属性状态。本公开实施例提供的基于生成对抗模仿学习的用户轨迹生成方法，基于马尔科夫决策过程构建更加全面的用户移动行为模型，并结合生成对抗模仿学习得到用户轨迹生成模型，能够捕获不同用户的本质决策策略，而不会受到时空差异、用户差异等因素的干扰，生成高精度的用户移动轨迹。
-
公开(公告)号：CN115975754A
公开(公告)日：2023-04-18
申请号：CN202211485276.4
申请日：2022-11-24
Applicant: 清华大学 , 泸州老窖股份有限公司
Abstract: 本发明涉及一种基于实时检测CO2浓度的固态发酵状态的监测方法，包括：将CO2检测仪与发酵罐相连接，实时检测发酵罐内CO2浓度含量变化；以入罐酒糟不同粮糠比为变化条件，实时检测发酵罐内CO2浓度含量的变化；以入罐酒糟不同水分含量为变化条件，实时检测发酵罐内CO2浓度含量的变化；判断在一个发酵周期内CO2浓度含量的变化曲线是否呈现前期上升速率降幅大于50％，或者中后期CO2浓度降幅大于10％，或者最高浓度值下降差值大于9，或者CO2浓度出现二次峰值；如果是，则本次发酵异常；如果否，则本次发酵正常。本发明提供的监测方法无需取样，不会破坏发酵罐内的密闭环境，操作简便。
-
公开(公告)号：CN115860179A
公开(公告)日：2023-03-28
申请号：CN202211358510.7
申请日：2022-11-01
Applicant: 清华大学
IPC: G06Q10/04 , G06N5/02 , G06N20/00 , G06F16/9537 , G06Q50/26
Abstract: 本发明涉及城市计算技术领域，尤其涉及一种轨迹预测方法、装置、设备、存储介质及程序产品。方法包括：获取至少一个用户轨迹移动的历史数据，以及获取空间位置和/或时间节点之间的多步路径规则，其中，历史数据包括历史上空间位置和/或时间节点之间的直接访问路径；根据历史数据，构建时空知识图谱；将任意一个用户的预测时间节点和/或前次访问位置输入轨迹预测嵌入模型，获得轨迹预测嵌入模型输出的预测空间位置，其中，轨迹预测嵌入模型基于时空知识图谱和多步路径规则训练得到。本发明用以解决现有技术中忽略时间和/或空间位置之间复杂的依赖关系，导致轨迹预测结果准确性较低的缺陷，实现更准确的轨迹预测。
-
公开(公告)号：CN115858913A
公开(公告)日：2023-03-28
申请号：CN202211358838.9
申请日：2022-11-01
Applicant: 清华大学
IPC: G06F16/9535 , G06Q10/04 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种仿真行为序列数据生成方法、装置、电子设备及存储介质，其中，所述方法包括：基于嵌入网络构建当前时刻的个体状态，其中，所述个体状态包括随时间连续演化个体状态和瞬时跳变个体状态；基于当前时刻的所述个体状态，通过与所述个体状态对应的状态转移网络得到下一时刻的预测个体状态；将所述预测个体状态输入至策略函数网络，采样得到仿真行为序列数据。通过本发明提供的仿真行为序列数据生成方法，能够生成高质量的仿真行为序列数据，为高效训练预测或推荐模型打下基础。
-
Patent Agency Ranking
公开(公告)号：CN110545558B
公开(公告)日：2023-03-28
申请号：CN201910844144.8
申请日：2019-09-06
Applicant: 山东省交通规划设计院集团有限公司 , 清华大学
Abstract: 本公开提供了一种基于Wi‑Fi数据的高速服务区人群密度估计系统，包括数据采集装置，其被配置为采集各个服务区的地理位置相关信息及Wi‑Fi数据；利用回归模型估计出服务区人数；回归模型的自变量为各个服务区各个小时区间内连接Wi‑Fi人数，因变量为对应服务区人数；自变量的斜率为连接意愿的倒数，连接意愿由各个服务区的环境特征、功能定位特征、天特征和小时特征与相应学习参数相乘构成；环境特征和功能定位特征分别从相应服务区的Wi‑Fi数据和地理位置相关信息中提取；天特征和小时特征均为预设分段函数；根据估计出的服务区人数以及用户进入服务区的连接AP顺序，预测用户的行为偏好，进而估计出服务区中各功能区的人数，最后得到服务区的人群密度。
-
公开(公告)号：CN115757806A
公开(公告)日：2023-03-07
申请号：CN202211154145.8
申请日：2022-09-21
Applicant: 清华大学
IPC: G06F16/36 , G06F16/901 , G06N20/00
Abstract: 本发明提供一种超关系知识图谱嵌入方法、装置、电子设备及存储介质，其中，所述方法包括：获取待嵌入超关系知识图谱；基于属性展开操作，将所述待嵌入超关系知识图谱转化为与所述待嵌入超关系知识图谱对应的知识图谱，其中，所述知识图谱中包括多个事实；基于与所述事实对应的事实多元组，得到与所述事实多元组对应的训练样本集；基于所述训练样本集训练表征模型，得到训练后表征模型；将所述待嵌入超关系知识图谱输入至所述训练后表征模型，得到所述训练后表征模型输出的嵌入后超关系知识图谱。通过本发明提高了嵌入后的超关系知识图谱的表达能力和预测效果。
-
公开(公告)号：CN115620157A
公开(公告)日：2023-01-17
申请号：CN202211153884.5
申请日：2022-09-21
Applicant: 清华大学
Abstract: 本发明提供一种卫星图像的表征学习方法及装置，其中的方法包括：获取目标区域的目标卫星图像；将目标卫星图像输入至预先训练的表征学习模型中，得到目标预测结果；其中，表征学习模型基于兴趣点对比样本和地理空间对比样本训练得到，目标预测结果用于评估目标区域的待监测指标。该方法不仅使用卫星图像的地理空间信息进行表征学习，还同时融入了人类活动相关的信息，实现了多模态信息的表征融合，并有效提升了目标区域内相关指标预测的精确度。
-
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：CN115526018A
公开(公告)日：2022-12-27
申请号：CN202110704145.X
申请日：2021-06-24
IPC: G06F30/20
Abstract: 本发明提供了一种基于社会力模型的行人轨迹模拟方法及系统。本发明实施例引入了人口分布信息辅助生成行人随机驻停和随机探索的驻停点，并插入到行人路线中。本发明实施例基于室内辅助场景信息生成行人路线，并引入行人的驻停与随机探索行为，生成行人在各个子区域中的驻停点。通过精细的行人特征建模与行人环境互动建模，显著提高了室内行人移动轨迹模拟的真实性。另外，本发明实施例还通过缓存机制和GPU运算，提高了轨迹生成的效率。并且，本发明实施例能够支持模拟多种类型的干预政策的干预效果。
-
-
-
-
-
-
-
-
-
Search Results
587
records
(took 0.108 seconds)
