轨迹生成模型训练方法、轨迹生成方法及装置

    公开(公告)号:CN113761395B

    公开(公告)日:2024-07-26

    申请号:CN202110928066.7

    申请日:2021-08-12

    Applicant: 清华大学

    Abstract: 本发明提供一种轨迹生成模型训练方法、轨迹生成方法及装置,该训练方法包括:将历史移动数据输入到逆向生成模型,得到对应的隐含移动特征;将隐含移动特征输入到轨迹生成模型,分别得到时间维度的指数分布和空间维度的多项式分布;训练并优化由逆向生成模型和轨迹生成模型共同构成的变分时间点过程模型,得到轨迹生成模型。本发明提供的轨迹生成模型训练方法、轨迹生成方法及装置,在保留了神经网络模型的强大建模能力、捕获了序列数据中的不确定性的同时提升了其可解释性,且能够通过基于概率模型的数据交互机制有效的引入专家知识,有更强的灵活性、建模能力,对不均衡数据的高度适应性和鲁棒性,在移动数据生成问题上具有巨大的潜力。

    一种用于城市预测任务的街景图像采样方法及装置

    公开(公告)号:CN115423695B

    公开(公告)日:2024-05-31

    申请号:CN202210837267.0

    申请日:2022-07-15

    Applicant: 清华大学

    Abstract: 本发明提供一种用于城市预测任务的街景图像采样方法,其中的方法包括:基于动态调整的采样步长,获取目标区域的街景图像,所述街景图像包含预设数量的语义分布信息;对所述街景图像进行噪声检测,并根据噪声检测结果对所述街景图像进行处理,得到无噪街景图像。该方法结合了采样步长的动态调整,以及图像噪声的检测处理,使得获取的街景图像中不仅包含足够的语义分布信息,且不含噪声,该方法获取的街景图像,能够有效提升城市预测任务的预测性能。

    一种基于分享行为的社交电商网站商品推荐方法及装置

    公开(公告)号:CN111144986B

    公开(公告)日:2024-05-31

    申请号:CN201911360358.4

    申请日:2019-12-25

    Abstract: 本发明实施例提供一种基于分享行为的社交电商网站商品推荐方法及装置,该方法包括:获取商品分享信息;将所述商品分享信息输入预设商品推荐模型,得到商品推荐结果;其中,所述预设商品推荐模型是根据带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息。通过分享者影响力模型和所述被分享者影响力模型建立融合模型,并根据融合模型损失函数,通过学习得到融合模型中的用户兴趣向量、用户社交影响力向量、以及商品表征向量,推断在经过用户推荐后,所有商品被好友购买的概率,并依次进行排序,得到商品推荐结果。

    一种联邦学习优化方法及装置

    公开(公告)号:CN113435604B

    公开(公告)日:2024-05-07

    申请号:CN202110665601.4

    申请日:2021-06-16

    Applicant: 清华大学

    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。

    一种商品推荐方法及装置
    55.
    发明授权

    公开(公告)号:CN110969516B

    公开(公告)日:2024-04-26

    申请号:CN201911358070.3

    申请日:2019-12-25

    Abstract: 本发明实施例提供一种商品推荐方法及装置,该方法包括:将目标用户输入到训练后的推荐系统中,获取候选商品集合;根据目标用户表征向量和目标商品表征向量,基于最近邻搜索算法,对所述候选商品集合中的每一候选商品进行重新排序,将排序靠前的若干候选商品作为最佳推荐商品;将所有最佳推荐商品推荐给用户。本发明实施例提供一种商品推荐方法及装置,基于图神经网络构建的推荐系统,根据目标用户和每个商品之间的相似度,生成目标用户表征向量和目标商品表征向量,提高了候选商品的多样性,从而提高了最佳推荐商品的多样性,并且通过商品召回阶段,将概率最大的商品推荐给用户,提高了推荐的准确率。

    一种兴趣点推荐方法、装置、电子设备及存储介质

    公开(公告)号:CN112214677B

    公开(公告)日:2023-10-27

    申请号:CN202011120660.5

    申请日:2020-10-19

    Abstract: 本申请实施例公开了一种基于人工智能的兴趣点推荐方法、装置、电子设备及存储介质。该方法包括:获取对象与已访问兴趣点间的第一关联关系以及第二关联关系,第一关联关系表征对象与已访问兴趣点间的实际访问关系,第二关联关系表征对象与已访问兴趣点间的空间分布关系,基于第一关联关系以及第二关联关系,得到待推荐对象对应的第一表征向量以及各个待推荐兴趣点分别对应的第二表征向量,基于第一表征向量以及各个第二表征向量,得到待推荐对象与各个待推荐兴趣点间的预测访问概率,基于待推荐对象与各个待推荐兴趣点间的预测访问概率,向待推荐对象推荐目标兴趣点。该方法可以提高兴趣点概率预测的准确性,进而提高兴趣点推荐准确性。

    交通状态预测方法、装置、电子设备及存储介质

    公开(公告)号:CN115631622A

    公开(公告)日:2023-01-20

    申请号:CN202211153883.0

    申请日:2022-09-21

    Applicant: 清华大学

    Abstract: 本发明涉及城市计算领域,提供一种交通状态预测方法、装置、电子设备及存储介质,方法包括:接收历史时段内的第一交通状态数据;基于第一交通状态数据分别进行时空相关性提取和时域变化提取,并基于时空相关性提取的结果和时域变化提取的结果,确定未来时段内的第二交通状态数据。由于可以基于第一交通状态数据分别进行时空相关性提取和时域变化提取,能够获取第一交通状态数据中隐藏的非线性特征和时空关联性特征,使得输出数据可靠性更高,提高了交通状态预测结果的精度,解决了现有的交通状态预测方法预测结果精度低的问题。

    基于负反馈的流媒体内容推荐方法、装置及电子设备

    公开(公告)号:CN115618101A

    公开(公告)日:2023-01-17

    申请号:CN202211154109.1

    申请日:2022-09-21

    Applicant: 清华大学

    Abstract: 本发明提供一种基于负反馈的流媒体内容推荐方法、装置及电子设备,涉及信息处理技术领域,该方法包括:获取用户信息和待推荐流媒体内容集合并输入推荐模型,获得推荐模型输出的用户信息对待推荐流媒体内容集合中各待推荐流媒体内容的不感兴趣概率,该推荐模型基于用户信息对应的样本负反馈流媒体内容和根据样本负反馈流媒体内容确定的样本潜在正反馈流媒体内容训练得到;对不感兴趣概率进行从小到大排序,将排序结果中的前第一预设数量个不感兴趣概率确定为目标不感兴趣概率集合;从待推荐流媒体内容集合中选择与目标不感兴趣概率集合对应的待推荐流媒体内容进行输出。本发明提供的技术方案能够提高流媒体内容推荐的准确性。

    一种用于城市预测任务的街景图像采样方法及装置

    公开(公告)号:CN115423695A

    公开(公告)日:2022-12-02

    申请号:CN202210837267.0

    申请日:2022-07-15

    Applicant: 清华大学

    Abstract: 本发明提供一种用于城市预测任务的街景图像采样方法,其中的方法包括:基于动态调整的采样步长,获取目标区域的街景图像,所述街景图像包含预设数量的语义分布信息;对所述街景图像进行噪声检测,并根据噪声检测结果对所述街景图像进行处理,得到无噪街景图像。该方法结合了采样步长的动态调整,以及图像噪声的检测处理,使得获取的街景图像中不仅包含足够的语义分布信息,且不含噪声,该方法获取的街景图像,能够有效提升城市预测任务的预测性能。

Patent Agency Ranking