-
公开(公告)号：CN106960044A
公开(公告)日：2017-07-18
申请号：CN201710201416.3
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种基于张量分解及加权HITS的时间感知个性化POI推荐方法，本发明针对传统POI推荐方法中面临的数据稀疏性问题，首先通过引入附加信息的协同张量分解对用户偏好进行建模，然后通过加权HITS同时整合用户偏好与POI的流行度为POI进行打分。最后根据POI打分为用户提供排名靠前的若干POI作为推荐。本发明通过集成协同张量分解与加权HITS考虑用户偏好、时间及当地特色三个因素，克服数据稀疏性问题，为用户提供高质量的个性化POI推荐。
-
公开(公告)号：CN105488522A
公开(公告)日：2016-04-13
申请号：CN201510824301.0
申请日：2015-11-23
Applicant: 浙江鸿程计算机系统有限公司
CPC classification number: G06K9/6293 , G06F17/30864
Abstract: 本发明涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法分为数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估六个阶段，本发明通过半监督学习的方法使用少量标注数据和大量未标注数据来提高评估模型的性能，并引入多视图学习的思想来克服传统的基于单视图的半监督学习方法容易陷入局部最优的问题。有益效果在于：(1)可以在少量的标注数据的情况下，有效地评估搜索引擎的用户信息需求满意度；(2)可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能；(3)分别从行为和时间的角度来描述用户的搜索过程，通过相互学习来避免模型陷入局部最优。
-
公开(公告)号：CN103164537B
公开(公告)日：2016-01-13
申请号：CN201310125029.8
申请日：2013-04-09
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及互联网搜索引擎日志划分领域，尤其涉及一种面向用户信息需求的搜索引擎日志数据挖掘的方法，包括：查询日志块归类、查询相似度计算和用户信息需求提供，综合计算查询词相似度和查询结果相似度作为查询相似度，以此为依据判断了两个查询是否具有相同的信息需求，有效快速的对搜索日志进行划分。本发明的有益效果在于：本发明针对传统的搜索引擎质量评价方法不能完整描述用户复杂、模糊信息需求的缺陷，提出了基于行为日志的搜索引擎用户信息需求满意度评估方法，以用户信息需求为单位，通过分析搜索引擎日志中用户的搜索行为来评估用户满意度，分析出用户的个性化需求，并从而促进搜索引擎技术的发展、提高搜索引擎的服务质量。
-
公开(公告)号：CN103020289B
公开(公告)日：2015-08-05
申请号：CN201210583024.5
申请日：2012-12-25
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及互联网信息技术领域，尤其涉及一种基于日志挖掘的搜索引擎用户个性化需求提供方法，该方法采用马尔可夫模型来对用户的搜索行为进行建模，包括表示用户满意和不满意的行为模型；用最大似然估计来计算用户的搜索行为分别从满意和不满意行为模型中生成的最大似然估计；最后用最大似然估计比来评估用户的满意程度，在复杂、模糊的搜索引擎用户行为信息日志中来评估用户满意度，分析出用户的个性化需求，并通过搜索引擎提供给用户个性化需求的结果，从而促进搜索引擎技术的发展、提高搜索引擎的服务质量。
-
公开(公告)号：CN103064923A
公开(公告)日：2013-04-24
申请号：CN201210562292.9
申请日：2012-12-17
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及计算机数据仓库技术领域，具体涉及一种通过维度层次结构特征来计算OLAP查询间距离的方法，该方法以两个通过MDX(Multi-DimensionalExpressions)语言表达的OLAP查询为输入，首先分别获取OLAP查询涉及数据立方体中的单元格，然后按数据立方体的层次结构，计算两个OLAP查询对应单元格在不同维度上的距离，再计算单元格间的距离，最后计算两个OLAP查询间的距离，使计算查询之间距离变成了计算两个点集之间的最短距离，使度量更加准确，对数据仓库的处理更加有效可控；使用最近相关映射方法一定程度上解决了Hausdorff距离对噪声和孤立点敏感的缺点。
-
Patent Agency Ranking
公开(公告)号：CN117689102A
公开(公告)日：2024-03-12
申请号：CN202311630133.2
申请日：2023-12-01
Applicant: 浙江鸿程计算机系统有限公司 , 杭州尚青科技有限公司
IPC: G06Q10/063 , G06Q50/26 , G06F16/29 , G06F16/2455
Abstract: 本发明公开了一种河道水体污染溯源方法、装置设备和存储介质，其中，该方法包括：基于河道上的监测站点的位置信息和排污口的位置信息创建拓扑结构图；排污口包括与所述河道直接连接的一级排污口和与一级排污口连接的二级排污口；实时获取各个监测站点的污染物浓度变化信息和排污口监测数据；基于污染物浓度变化信息和排污口监测数据查询拓扑结构图，确定污染源所在的目标河段及目标河段对应的目标排污口。本发明通过基于河道上的监测站点的位置信息和排污口的位置信息创建拓扑结构图，进而基于时间滞后模型对拓扑结构图中的排污口进行筛选，从而可以精准定位污染源所在的河段以及污染源所对应的排污口，提高了溯源精度和溯源效率。
-
公开(公告)号：CN110955828B
公开(公告)日：2023-08-01
申请号：CN201911134269.8
申请日：2019-11-19
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9535 , G06N3/0442 , G06N3/045 , G06N3/082
Abstract: 本发明涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，具体包括：首先数据采集并进行预处理；利用全连接层提取用户自然属性特征表示；其次，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将两者拼接，作为用户特征表示；利用全连接层提取套餐属性特征表示；将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。本发明基于深度神经网络实现多因素嵌入个性化套餐推荐方法，有利于运营商面向用户进行针对性的套餐推荐，从而有利于扩大市场规模，推广5G业务。
-
公开(公告)号：CN109117476B
公开(公告)日：2022-04-01
申请号：CN201810761994.7
申请日：2018-07-12
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F40/30
Abstract: 本发明涉及一种基于多情境嵌入的个性化场所语义识别方法，本发明针对传统个性化场所语义识别方法中，情境信息考虑不足以及特征工程的固有局限性问题，提出了一种将个性化场所语义和手机App相关性协同识别的方法。对于个性化场所语义识别，利用深度神经网络得到与之相关的多情境信息(时间、用户、用户活动等)的表示。对于手机App相关性识别，利用词嵌入得到不同手机App的表示。通过共享手机App的表示，对模型参数进行协同训练。本发明结合情境感知和表示学习进行个性化场所语义识别，在普适计算和基于位置的服务(LBS)等领域具有广阔的应用前景。
-
公开(公告)号：CN109389244B
公开(公告)日：2020-08-18
申请号：CN201811038526.3
申请日：2018-09-06
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于GRU的多因素感知短期景区内游客人数预测方法，具体实施如下：1)对原始景区数据进行预处理，得到多个时间序列和预测时刻的相关情境信息及其距当前时刻的时刻数；2)利用CNN卷积神经网络提取时间序列的特征向量；利用GRU网络处理CNN提取的特征向量，得到时序特征向量；3)将GRU中得到的时序特征向量和预测时刻的相关情境信息及其距当前时刻的时刻数独热(one‑hot)编码相连接，输入到全连接层中，得到预测时刻景区内游客人数。本发明利用CNN和GRU处理景区多时序数据，并加入预测时刻的相关情境信息及其距当前时刻的时刻数来预测短期景区内游客人数，在智能旅游、流量预测等领域具有广阔的应用前景。
-
公开(公告)号：CN110955828A
公开(公告)日：2020-04-03
申请号：CN201911134269.8
申请日：2019-11-19
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，具体包括：首先数据采集并进行预处理；利用全连接层提取用户自然属性特征表示；其次，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将两者拼接，作为用户特征表示；利用全连接层提取套餐属性特征表示；将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。本发明基于深度神经网络实现多因素嵌入个性化套餐推荐方法，有利于运营商面向用户进行针对性的套餐推荐，从而有利于扩大市场规模，推广5G业务。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.033 seconds)
