-
Patent Agency Ranking
公开(公告)号：CN115017250A
公开(公告)日：2022-09-06
申请号：CN202210756912.6
申请日：2022-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的稀疏轨迹数据恢复系统及方法，包括：历史数据选择器模块用于接收用户的历史轨迹集合和当前稀疏轨迹，对历史轨迹数据进行周期性提取和特征归一化处理后，找到与当前稀疏轨迹最相似的历史轨迹；编码器模块通过轨迹数据的序列特征获得稀疏轨迹与历史轨迹的上下文向量，同时通过独热编码对环境上下文特征进行表示，用一个全连接网络学习特征的嵌入得到特征嵌入向量，将其与上下文向量融合作为解码器输入；解码器模块引入注意力机制建模稀疏轨迹与最相似历史轨迹的全局相关性，将稀疏轨迹恢复到目标采样率，与路网匹配任务共享参数，同步进行道路网络的地图匹配，实现稀疏轨迹的数据恢复，完善轨迹路径，提高工作效率。
-
公开(公告)号：CN118505279A
公开(公告)日：2024-08-16
申请号：CN202410519472.1
申请日：2024-04-28
Applicant: 东南大学
IPC: G06Q30/0202 , G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N5/045
Abstract: 本发明公开了一种基于层次化关系的可解释商家流失预测方法，包括：流失预测器模块用于接收商业客户的历史单量序列、商业特性矩阵和平台交互矩阵，构建客户分层特性超图、交互关系超图和自连接超图，通过超图卷积网络对超边及节点进行聚合，得到高效节点表示，通过联合预测得到节点的预测标签；反事实解释器模块引入反事实思想对预测器的预测结果生成解释，通过对预测器的输入施加扰动后再进行预测，找到使预测结果改变最大的最小扰动，从而实现可解释的商业客户流失预测，既准确预测商业客户是否有可能流失，又能给出客户流失的主要因素，为平台方的潜在流失客户识别与针对性挽回策略定制提供参考与帮助。
-
公开(公告)号：CN115017250B
公开(公告)日：2024-07-09
申请号：CN202210756912.6
申请日：2022-06-30
Applicant: 东南大学
IPC: G06F16/29 , G06Q10/0835 , G06Q10/083 , G06F18/22 , G06N3/047 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了一种基于深度学习的稀疏轨迹数据恢复系统及方法，包括：历史数据选择器模块用于接收用户的历史轨迹集合和当前稀疏轨迹，对历史轨迹数据进行周期性提取和特征归一化处理后，找到与当前稀疏轨迹最相似的历史轨迹；编码器模块通过轨迹数据的序列特征获得稀疏轨迹与历史轨迹的上下文向量，同时通过独热编码对环境上下文特征进行表示，用一个全连接网络学习特征的嵌入得到特征嵌入向量，将其与上下文向量融合作为解码器输入；解码器模块引入注意力机制建模稀疏轨迹与最相似历史轨迹的全局相关性，将稀疏轨迹恢复到目标采样率，与路网匹配任务共享参数，同步进行道路网络的地图匹配，实现稀疏轨迹的数据恢复，完善轨迹路径，提高工作效率。
-
公开(公告)号：CN115018553B
公开(公告)日：2024-05-07
申请号：CN202210756922.X
申请日：2022-06-30
Applicant: 东南大学
IPC: G06Q10/083 , G06Q10/0631 , G06Q10/04 , G06Q30/0204 , G06Q30/0601 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06F18/22
Abstract: 本发明公开了基于深度学习的区域物流单量预测系统及方法，包括特征建模模块、嵌入模块和物流预测模块，特征建模模块用于提取和构建不同物流区区域内、区域间的特征并进行特征建模，将每一个区域视为一个节点，通过各个区域之间的相似程度构建图；区域节点嵌入模块用于对每一种区域内、区域间特征进行各区域节点类别的划分，通过图卷积神经网络为每一个区域节点进行特征嵌入，训练完成后每一个特征图均可生成E×N的矩阵，作为预测模型的特征输入；物流预测模块根据区域节点嵌入模块得到的特征向量和时序特征进行长期物流预测。本方法综合考虑区域本身静态特征和相似区域的静态特征上下文信息，对区域级别物流量进行更为显著的长期且精准的预测。
-
公开(公告)号：CN115018553A
公开(公告)日：2022-09-06
申请号：CN202210756922.X
申请日：2022-06-30
Applicant: 东南大学
Abstract: 本发明公开了基于深度学习的区域物流单量预测系统及方法，包括特征建模模块、嵌入模块和物流预测模块，特征建模模块用于提取和构建不同物流区区域内、区域间的特征并进行特征建模，将每一个区域视为一个节点，通过各个区域之间的相似程度构建图；区域节点嵌入模块用于对每一种区域内、区域间特征进行各区域节点类别的划分，通过图卷积神经网络为每一个区域节点进行特征嵌入，训练完成后每一个特征图均可生成E×N的矩阵，作为预测模型的特征输入；物流预测模块根据区域节点嵌入模块得到的特征向量和时序特征进行长期物流预测。本方法综合考虑区域本身静态特征和相似区域的静态特征上下文信息，对区域级别物流量进行更为显著的长期且精准的预测。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
