-
公开(公告)号：CN113761388A
公开(公告)日：2021-12-07
申请号：CN202110846408.0
申请日：2021-07-26
Applicant: 清华大学
IPC: G06F16/9536 , G06Q30/06 , 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：CN113610265A
公开(公告)日：2021-11-05
申请号：CN202110706207.0
申请日：2021-06-24
Applicant: 清华大学
IPC: G06Q10/04 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于超图卷积网络的时空行为预测方法及系统，其中方法包括：确定待预测时空行为的用户ID及对应的时间和地点；将所述待预测时空行为的用户ID及对应的时间和地点输入至时空行为预测模型，得到所述时空行为预测模型输出的用户ID对应的行为结果；其中，所述时空行为预测模型是基于用户的历史时空行为数据构建的超图用图卷积神经网络训练得到。本发明解决了目前对于用户时空行为场景下用户、时间、地点和行为之间交互关系的建模不充分的问题，从而实现了对用户时空行为的准确预测。
-
公开(公告)号：CN113435604A
公开(公告)日：2021-09-24
申请号：CN202110665601.4
申请日：2021-06-16
Applicant: 清华大学
IPC: G06N20/00
Abstract: 本发明提供一种联邦学习优化方法及装置，该方法包括：在当前轮次的联邦学习中，获取服务器端发送的全局模型和延迟全局梯度，延迟全局梯度是由上一轮次联邦学习中，每个客户端基于各自本地数据对上一轮次的全局梯度进行更新得到的；基于当前轮次的全局模型和延迟全局梯度，通过本地数据对本地模型进行更新，得到联邦学习更新量，联邦学习更新量包括本地模型的更新量和延迟全局梯度的更新量；将联邦学习更新量发送到服务器端，以供服务器端根据联邦学习更新量进行信息聚合，得到新的全局模型和全局梯度，并将新的全局模型和全局梯度发送到每个客户端，用于下一轮次的联邦学习。本发明有效地克服模型偏差问题，提升通信效率、降低计算复杂度。
-
公开(公告)号：CN111843074B
公开(公告)日：2021-09-14
申请号：CN202010535403.1
申请日：2020-06-12
Applicant: 清华大学
Abstract: 本发明公开了一种具有辅助电极层的硅电极及其制备方法、应用和专用夹具。所述硅电极包括重掺杂硅基体、隔离层、辅助电极层、绝缘层和导电端；主电极表面设置有厚度为亚微米尺度的辅助电极，二者独立供电，分时、切换参与电解加工。其专用夹具使硅电极高速旋转，形成主电极为等效圆形、辅助电极为等效环形的电极截面结构，并且实现主、辅电极的独立、稳定导电功能；最终形成主电极粗加工、辅助电极精修的微细电解加工工艺应用，进而减小了微结构的侧壁锥度和圆弧过渡区，提高了其形状精度。
-
公开(公告)号：CN113379494A
公开(公告)日：2021-09-10
申请号：CN202110648210.1
申请日：2021-06-10
Applicant: 清华大学
IPC: G06Q30/06 , G06Q50/00 , G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于异质社交关系的商品推荐方法、装置和电子设备，包括：确定待推荐商品的用户；将用户输入推荐模型，输出所有商品的推荐度；推荐模型是基于样本用户、对应的购买商品标签以及存在社交关系的用户标签进行训练得到的，所述推荐模型训练时的网络结构包括异质社交关系表示超图卷积网络、商品向量表示超图卷积网络、关系向量表示超图卷积网络、用户嵌入表示超图卷积网络和商品用户推荐度计算网络，异质社交关系表示超图卷积网络用于将输入的样本用户结合样本用户存在社交关系的用户标签组成的两用户一商品超边三元组采用向量进行表示；基于推荐度，确定为所述用户推荐的商品。本发明提供的方法提高了商品推荐的有效性。
-
Patent Agency Ranking
公开(公告)号：CN109428817B
公开(公告)日：2021-06-22
申请号：CN201710775847.0
申请日：2017-08-31
IPC: H04L12/709 , H04L12/725 , H04L12/803
Abstract: 本申请提供一种业务链处理方法、相关网元和系统，该方法包括：第一网元接收第一请求消息，所述第一请求消息包括第一业务链，若所述第一业务链与已部署在网络中的第二业务链能够聚合，则所述第一网元根据所述第一业务链的输入包空间、输出包空间和网络功能单元的匹配空间以及所述第二业务链的输入包空间、输出包空间和网络功能单元的匹配空间，确定所述第一业务链与所述第二业务链的聚合次序，进而，所述第一网元根据所述聚合次序，生成第三业务链，所述第三业务链包括所述第一业务链和所述第二业务链。通过该方法所得到的聚合的业务链符合具体的应用场景，以避免业务链部署异常的问题。
-
公开(公告)号：CN109087178B
公开(公告)日：2021-05-18
申请号：CN201810989667.7
申请日：2018-08-28
Applicant: 清华大学
Abstract: 本发明实施例提供一种商品推荐方法和装置。其中，方法包括：获取用户的编号，将所述用户的编号输入预设的贝叶斯个性化排序模型，根据预设的贝叶斯个性化排序模型的输出，获取该用户对商品的预测喜好；根据该用户对商品的预测喜好，获取该用户的推荐商品列表。本发明实施例提供的商品推荐方法和装置，利用用户的辅助反馈数据，基于传统贝叶斯个性化排序模型获取用户对商品的预测喜好，从而获得用户的推荐商品列表，能更加精准地建模用户喜好，有效利用用户的辅助反馈数据，能够实现推荐结果的精准度的大幅度提升。
-
公开(公告)号：CN109800916B
公开(公告)日：2021-04-23
申请号：CN201910063074.2
申请日：2019-01-23
Applicant: 山东省交通规划设计院有限公司 , 清华大学
Abstract: 本公开提供了一种高速公路服务区驶入车流量的建模方法，包括：采集某服务区多日的车辆驶入数量，计算每一天服务区车辆驶入流量变化曲线并对其进行聚类，得到多个服务区车辆驶入流量变化模式；利用高斯混合模型拟合不同驶入流量变化模式的服务区车辆驶入时间分布，得到多个服务区的驶入量模型；根据服务区附近主线断面交通量、服务区规模、服务区与前后服务区或者城市的距离对服务区的驶入量模型进行扩样构建，得到具有每个服务区单独特征的服务区驶入车流量模型。
-
公开(公告)号：CN111612207A
公开(公告)日：2020-09-01
申请号：CN202010245748.3
申请日：2020-03-31
Applicant: 清华大学
Abstract: 本发明实施例涉及数据指标预测技术领域，公开了基于人群迁徙的区域经济预测方法、系统及设备。本发明实施例先获取当前人群迁徙网络，其中，所述当前人群迁徙网络中包括与区域对应的节点；从所述当前人群迁徙网络中获取与所述节点对应的节点表示向量；基于多层感知器处理所述节点表示向量，以进行区域经济的预测行为。明显地，本发明实施例通过引入当前人群迁徙网络，使用与区域对应的节点的表示向量进行区域经济的预测行为，可见，在预测操作中额外引入了空间上的数据相关性，提高了预测结果的准确性，解决了区域经济预测模型预测出的区域经济指标不够准确的技术问题。
-
公开(公告)号：CN111611472A
公开(公告)日：2020-09-01
申请号：CN202010244341.9
申请日：2020-03-31
Applicant: 清华大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明实施例提供一种基于图卷积神经网络的捆绑推荐方法及系统。该方法包括：获取用户与捆绑历史交互数据、用户与物品历史交互数据和捆绑与物品从属关系数据；再输入至捆绑推荐模型中，得到捆绑推荐模型输出的用户与捆绑交互可能性推荐结果；其中所述捆绑推荐模型通过基于用户数据集合、捆绑数据集合和物品数据集合构建统一异构图，提取物品层级图卷积传播特征和捆绑层级图卷积传播特征之后进行联合预测及特征连接，并基于难负样本学习策略训练所得到的。本发明实施例通过将用户、捆绑和物品之间的交互关系和从属关系重构为图，并利用图神经网络的强大能力从复杂的拓扑结构和高阶连通性中学习三种关联实体表示，能达到更好的推荐性能。
-
-
-
-
-
-
-
-
-
Search Results
587
records
(took 0.127 seconds)
