-
公开(公告)号:CN112801340A
公开(公告)日:2021-05-14
申请号:CN202011489874.X
申请日:2020-12-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多层级城市信息单元画像的人群密度预测方法。该方法包括:从城市管理层级出发,定义多层级城市信息单元和城市信息单元包含的数据;对城市信息单元数据进行预处理,利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征,通过塔式聚合结构聚合多层级城市信息单元包含的特征,在多层级城市信息单元画像的基础上构建多任务决策模型;根据多层级城市信息单元画像的多任务决策模型进行城市各网格、区域的人群密度预测。本发明提出“城市信息单元”的概念,通过塔式聚合结构聚合多层级城市信息单元的特征,然后对多层级城市信息单元进行多任务联合学习,最终建立多层级城市信息单元画像的模型。
-
公开(公告)号:CN116127177A
公开(公告)日:2023-05-16
申请号:CN202211316154.2
申请日:2022-10-26
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/36 , G06F18/23213 , G06F18/214 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种利用知识图谱嵌入负采样优化的推荐方法,包括设计负采样方法NSGAN改进知识图谱嵌入;抽象关系嵌入标签改进推荐;利用所述知识图谱嵌入负采样优化的推荐方法。本发明的负采样框架NSGAN具有良好的通用性,基于距离翻译的知识图谱嵌入模型均能方便地利用该框架采得高质量负样本,从而提升知识图谱嵌入质量,另一方面,由该负采样方法经过优化的推荐模块,采用的用户项目交互并非原始嵌入,而是交互关系所属的标签嵌入与推荐表示的拼接,有利于更精准把握交互这一概念在向量空间中的表示,具有更强的可行性和鲁棒性。
-
公开(公告)号:CN112801340B
公开(公告)日:2024-04-26
申请号:CN202011489874.X
申请日:2020-12-16
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种基于多层级城市信息单元画像的人群密度预测方法。该方法包括:从城市管理层级出发,定义多层级城市信息单元和城市信息单元包含的数据;对城市信息单元数据进行预处理,利用长短期记忆网络LSTM、图嵌入算法分别提取城市信息单元的时间和空间特征,通过塔式聚合结构聚合多层级城市信息单元包含的特征,在多层级城市信息单元画像的基础上构建多任务决策模型;根据多层级城市信息单元画像的多任务决策模型进行城市各网格、区域的人群密度预测。本发明提出“城市信息单元”的概念,通过塔式聚合结构聚合多层级城市信息单元的特征,然后对多层级城市信息单元进行多任务联合学习,最终建立多层级城市信息单元画像的模型。
-
公开(公告)号:CN115577754A
公开(公告)日:2023-01-06
申请号:CN202211345202.0
申请日:2022-10-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于事理图谱的电力负荷预测方法,属于电力负荷预测领域。所述方法根据电力相关事件以及事件之间的因果关系,构建电力事理图谱及规则库、知识库及MAT;激活电力事理图谱后选定用电场景,并在电力事理图谱上进行推理,获得可能导致用电场景发生的原因事件集合;再根据MAT对原因事件集合中的节点进行遍历,选出相应的外生变量,与历史负荷拼接后得到预测模型的输入变量;再构建多变量短期电力负荷预测模型MNLF,对不同的时间序列采用不同的编码器,提取长短期时间序列特征即嵌入表示,并计算相关性系数计算长期时间序列的权重,再与短期时间序列嵌入表示进行拼接,预测电力负荷未来值。本发明提高了预测结果的准确性。
-
-
-