公开(公告)号：CN119990381A

公开(公告)日：2025-05-13

申请号：CN202311505671.9

申请日：2023-11-13

Applicant: 上海交通大学

Inventor： 许岩岩 ,  胡钊萍 ,  黄宗源 ,  金耀辉

IPC: G06Q10/04 ,  G06F16/9535 ,  G06F16/9537 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明提供了一种基于深度学习和轨迹图的用户下一兴趣点预测方法。该方法将所有用户的出行轨迹建模为全局轨迹图，通过图卷积学习地点的嵌入表示。同时，将单个用户的历史出行轨迹建模为用户轨迹子图，使用子图卷积和子图读出操作进一步处理，得到用户的长期偏好，且使用深度序列模型和注意力机制建模用户的短期和中期偏好。最后，将用户不同时间周期下的偏好与用户ID编码相结合，使用多层感知机结合多任务学习策略预测用户未来时刻最有可能访问的下一兴趣点。本发明通过建模全局轨迹图提供了额外的地点嵌入，使用用户轨迹子图、深度序列模型以及注意力机制建模用户不同时间周期下的出行偏好，为用户下一兴趣点预测问题提供了一种新的有效方法。

公开(公告)号：CN112163624A

公开(公告)日：2021-01-01

申请号：CN202011060903.0

申请日：2020-09-30

Applicant: 上海交通大学

Inventor： 金耀辉 ,  何浩 ,  黄宗源 ,  李龙元

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习和极值理论的数据异常判断方法及系统，根据当前数据集中的数据样本，构建异常评分模型，并对异常评分模型进行迭代优化，使得异常评分模型趋近优化目标；通过异常评分模型获取数据样本的异常分数值；根据获取的数据样本的异常分数值中的极端值，估计极值分布公式参数，使用阈值计算公式计算异常分数阈值；利用异常评分模型获取当前数据集中的待判断数据的异常分数，将待判断数据的异常分数与异常分数阈值进行比较，标定异常数据。本发明端到端对异常分数优化有利于充分利用数据和表征学习能力；同时能根据实际数据集来判断异常分数阈值，有效避免人工判断阈值的复杂性和主观性，提高方法迁移能力和异常识别能力。

公开(公告)号：CN119884450A

公开(公告)日：2025-04-25

申请号：CN202311389588.X

申请日：2023-10-25

Applicant: 上海交通大学

Inventor： 许岩岩 ,  金耀辉 ,  王维鹏 ,  黄宗源

IPC: G06F16/909 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于时空生成的用户中期移动轨迹预测装置与方法，通过构建时空解耦模块，将历史多天的出行轨迹解耦为位置链和持续时间链，分别对位置和时间信息进行处理，以捕获位置之间的转移关系；构建空间编码模块和时间编码模块，分别对位置链和持续时间链进行编码，提取轨迹中蕴含的位置和时间信息，编码模块采用分层的日编码器‑周编码器结构，以捕捉不同时间范围内的周期性；构建空间解码模块，采用滚动预测的方式预测未来一天的出行位置链；构建时间解码模块，结合未来一天位置链的信息，预测未来一天的持续时间链；结合预测的位置链和持续时间链，得到未来一天的出行轨迹。本发明引入基于图神经网络的表示学习方法，通过构建空间异质图来提取位置的语义表征。本发明通过对轨迹进行时空解耦、采用层次编码‑解码结构、构建空间异质图等方式，可以有效解决用户中期出行行为的预测问题。

公开(公告)号：CN112163020A

公开(公告)日：2021-01-01

申请号：CN202011060906.4

申请日：2020-09-30

Applicant: 上海交通大学

Inventor： 金耀辉 ,  何浩 ,  李龙元 ,  黄宗源

IPC: G06F16/2458 ,  G06K9/62

Abstract: 本发明提供了一种多维时间序列异常检测方法及检测系统，包括：将输入多维时间序列映射到低维空间的循环神经网络编码器；通过循环神经网络自编码器将采样得到的低维变量重构为多维时间序列；在自编码器模型构建过程中，编码器与解码器共享部分循环神经网络的神经单元；基于时间序列马尔科夫平滑假设的正则化方法对模型进行优化；基于重构时间序列概率分布对时间序列异常值进行计算。本发明提供的方法相较于传统的异常检测模型，具有更灵活的拟合能力与鲁棒性，具有更高的异常检测精确度，能同时检测短时突发异常和中长时间段异常。