一种基于自注意力机制的下一个兴趣点推荐方法

    公开(公告)号:CN114021011A

    公开(公告)日:2022-02-08

    申请号:CN202111299901.1

    申请日:2021-11-04

    Abstract: 本发明公开了一种基于自注意力机制的下一个兴趣点推荐方法,首先对序列信息、时空信息以及上下文相关的动态社会关系进行集成建模;其次设计了两个并行通道(长/短期通道)建模用户及其好友的长/短期偏好,利用自注意力机制捕获用户任意两个历史签到之间的长距离依赖关系;最后预测用户在下一时刻对兴趣点的偏好得分。本发明将用户与兴趣点之间的交互构造成L2L图,L2L图表示兴趣点之间地理距离的接近程度,它实质上是一个加权无向图,其中一个顶点代表一个兴趣点,边表示兴趣点之间的空间相关性,边上权重表示地理距离,是一种自注意力网络可以处理的图数据,很好的利用了自注意力网络的优势,使得模型更容易训练和泛化。

    Top-k集合空间关键字近似查询方法

    公开(公告)号:CN113779039A

    公开(公告)日:2021-12-10

    申请号:CN202111128707.7

    申请日:2021-09-26

    Abstract: 本发明公开了一种Top‑k集合空间关键字近似查询方法,步骤为:对于空间对象数据集中不包含任意一个查询关键字的空间对象进行剪枝,将剩余的空间对象根据其到查询位置的欧式距离对其进行升序排序,然后将相关空间对象构建成VP‑Tree;利用VP‑Tree加速搜索空间对象的局部邻域;利用评分函数计算其综合距离分数,并按综合得分选出Top‑k组空间对象作为最终结果。本发明提出的空间对象关联度评估方法具有较高的准确性,提出的剪枝策略具有较高的执行效率,获取的Top‑k组空间对象具有较高的用户满意度。

    基于深度卷积神经网络的非小细胞肺癌病理切片识别方法

    公开(公告)号:CN112270666A

    公开(公告)日:2021-01-26

    申请号:CN202011210676.5

    申请日:2020-11-03

    Abstract: 本发明公开了一种基于深度卷积神经网络的非小细胞肺癌病理切片识别方法,步骤为:从TCGA获取到的公开数据集非小细胞肺癌的病理切片;构建用于训练的深度学习模型;将训练数据集输入卷积神经网络训练,得到学习后的卷积神经网络模型;将训练数据集输入卷积神经网络训练,得到学习后的卷积神经网络模型。本发明通过利用Inception‑v3模型和CBAM注意力机制融合在一起,实现对非小型细胞肺癌的分类,通过注意力机制提高了网络精度;同时利用深度卷积神经网络Inception‑v3实验结果表明,本发明提出的基于深度学习的非小细胞肺癌病理切片识别方法可以有效的针对肺腺癌和肺鳞状细胞癌的分类,在一定程度上减轻了医生的负担,在医学图像识别领域实现了非常良好的性能。

    一种基于时空动态神经网络的城市人流预测方法

    公开(公告)号:CN112257934A

    公开(公告)日:2021-01-22

    申请号:CN202011157484.2

    申请日:2020-10-26

    Abstract: 本发明公开了一种基于时空动态神经网络的城市人流预测方法,包括:获取城市人流历史移动轨迹数据,将城市人流数据抽象成“图像帧”,根据时间将城市人流数据划分为训练数据集和测试数据集,将城市人流数据抽象成“图像帧”,使其处理方法转化为图像处理方法,将“图像帧”输入三维卷积神经网络,提取时间特性和空间特性,捕捉城市人流的流动性特征;把空间特征输入到残差卷积块,捕捉空间上距离较远的区域人流相互之间的影响;通过训练模型得到城市区域人流预测结果。本发明通过构建时空动态图和残差卷积块,结合城市区域人口流动特性和空间全局相关特性,对未来一段时间的城市区域人流流动进行预测,具有较快的收敛速度和准确率上的提升优势。

    一种基于用户反馈的空间关键字个性化语义查询方法

    公开(公告)号:CN110377684A

    公开(公告)日:2019-10-25

    申请号:CN201910657222.3

    申请日:2019-07-19

    Abstract: 本发明公开了一种基于用户反馈的空间关键字个性化语义查询方法,步骤为:空间对象文本信息的语义扩展;根据用户反馈信息对查询关键字进行权重调整。本发明采用Gibbs算法估计空间对象文本信息的主题概率分布,进而利用LDA模型对空间数据集进行语义扩展,利用IR-tree混合索引结构从扩展后的空间数据库中获得候选查询结果;用户根据个人偏好在候选集中明确标注出相关的查询结果,根据用户的反馈信息,采用Rocchio算法对用户初始查询条件进行更新,使得新的查询条件更贴近用户实际需求和偏好;利用更新后的查询条件再进行检索,得到新的候选集,重复执行反馈过程,直到查询结果令用户满意为止,本发明在一定程度上提高了空间关键字查询结果的个性化程度和准确率。

    基于空间-语义-数值相关度的空间关键字Top-K查询方法

    公开(公告)号:CN110362652A

    公开(公告)日:2019-10-22

    申请号:CN201910657221.9

    申请日:2019-07-19

    Abstract: 本发明公开了一种基于空间-语义-数值相关度的空间关键字Top-K查询方法,步骤为:利用Word Embedding技术对用户初始查询进行语义扩展;构建空间-语义-数值混合索引结构AKR-tree;空间-语义-数值的相关度计算。本发明利用Word Embedding技术对用户初始查询进行语义扩展,生成一系列与初始查询关键字语义相关的查询关键字;然后构建空间-语义-数值混合索引结构AKR-tree,该索引结构能同时支持查询关键字的文本和语义匹配,并利用Skyline方法对数值属性进行处理;最后,利用提出的索引结构快速匹配与空间关键字查询条件语义相关的对象,并按空间-语义-数值的综合相关度进行排序。与现有同类方法相比,本发明方法具有更好的查询结果用户满意度,索引结构具有较快的查询响应时间。

    一种基于耦合关系分析的组合关键字语义相关度评估方法

    公开(公告)号:CN108647213A

    公开(公告)日:2018-10-12

    申请号:CN201810489286.2

    申请日:2018-05-21

    Abstract: 本发明提供一种基于耦合关系分析的组合关键字语义相关度评估方法,涉及短文本分析、Web数据库关键字查询技术领域。该方法包括:利用中英文分词方法从短文本集合中抽取出不同关键字建立关键字耦合关系图;计算关键字之间的耦合关系;将组合关键字对转换为耦合关系矩阵,利用耦合关系矩阵构成核函数,根据核函数计算组合关键字之间的语义相关度。本发明提供的一种基于耦合关系分析的组合关键字语义相关度评估方法,将耦合关系分析思想引入到短文本分析和Web数据库的关键字查询中,扩展了用户的查询思路,完善了用户的查询需求,解决了用户的查询意图模糊或不明确,无法有效表达查询需求的问题,有效提高了查询的准确性。

Patent Agency Ranking