公开(公告)号：CN119783044A

公开(公告)日：2025-04-08

申请号：CN202510272048.6

申请日：2025-03-10

Applicant: 东北大学

Inventor： 郭楠 ,  周国庆 ,  刘冠为 ,  米庆巍 ,  李家豪 ,  高天寒

IPC: G06F18/25 ,  G06F18/2415 ,  G06F18/211 ,  G06N3/0455 ,  G06N3/0464 ,  G06Q30/0601 ,  G06F16/9535 ,  G06F123/02

Abstract: 本发明提供一种基于多模态特征融合的序列推荐方法，涉及个性化推荐技术领域。该方法首先根据用户的不同模态交互记录提取多模态特征；针对不同模态采用不同的特征提取方法；然后采用多模态融合模块进行多模态特征融合与学习；构建多模态融合序列推荐模型进行序列推荐；该方法借助注意力掩码机制让各个模态既能关注自身模态内的信息，又能实现模态间的信息交互，有效保留了文本和图像特征中丰富的原始信息。本发明方法解决了传统多模态推荐模型在特征融合时存在的混乱无序问题。同时，改善了现有技术中难以平衡ID特征与多模态特征学习的状况，并且增强了模型在面对长尾项目和冷启动场景时的推荐能力。

公开(公告)号：CN116650967A

公开(公告)日：2023-08-29

申请号：CN202310613826.4

申请日：2023-05-29

Applicant: 东北大学

Inventor： 李家豪 ,  高天寒 ,  张岩

IPC: A63F13/56 ,  G01C21/34 ,  G01C21/00 ,  A63F13/67 ,  A63F13/822 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明提供一种基于分层强化学习与战术分析的战略场景调度导航方法，涉及多智能体路径导航规划技术领域。通过分层强化学习、战术分析和多智能体路径导航规划技术领域的相关技术在分层的复杂运动空间问题下，着重于战场军团调度的有效性和高效性，面对更加复杂的环境与更加多变的动态场景，提出了一种较好的调度导航方法，通过控制下层策略不变的方式对上层策略进行调整，基于战术分析方法训练的上层策略与使用随机目标选择方法的上层策略相比具有明显优势，对数字化军事和自动化军队的建设有着重要意义。