公开(公告)号：CN115169526B

公开(公告)日：2023-08-01

申请号：CN202210548996.4

申请日：2022-05-20

Applicant: 北京信息科技大学 ,  和智信(山东)大数据科技有限公司

Inventor： 司俊俊 ,  李莉 ,  羊晋 ,  涂波

IPC: G06N3/0455 ,  G06N3/08 ,  H04W64/00

Abstract: 本发明提供一种基于深度学习的基站表示学习方法、系统及存储介质，所述方法包括：获取基站信息，所述基站信息包括基站的唯一标识码信息、基站静态特征数据以及基站相关动态轨迹数据；基于获取到的基站的经度、纬度以及基站相关动态轨迹数据确定基站之间的邻接矩阵，基于邻接矩阵构建第一基站关系图；基于基站静态特征数据以及基站相关动态轨迹数据构造第一特征向量集合；构建自编码器神经网络模型，将所述第一基站关系图及第一特征向量集合输入至编码器得到基站表示向量集合，将所述基站表示向量集合输入至解码器得到重构的第二基站关系图及第二特征向量集合。该方法可高效的实现基站的表示学习，从而在各类数据挖掘过程中更好的应用基站信息。

公开(公告)号：CN120018064A

公开(公告)日：2025-05-16

申请号：CN202510173248.6

申请日：2025-02-17

Applicant: 北京信息科技大学 ,  北京九栖科技有限责任公司

Inventor： 李莉 ,  邹琳姿 ,  司俊俊 ,  张建宇 ,  戴帅夫 ,  梅一多

IPC: H04W4/029 ,  H04W4/20 ,  H04W4/021 ,  H04W4/02

Abstract: 本发明提供一种基于扩散过程的移动信令轨迹数据生成方法及系统，该方法的步骤包括：获取预设时间段的原始的移动信令数据，原始的移动信令数据包括对应每个基站的移动信令数据，并对原始的移动信令数据进行预处理；基于每个基站的移动信令数据确定基站关系图，所述基站关系图中包括基站之间的切换关系，基于每个基站的切换关系和基站的特征数据构建每个基站的初始数据集；基于每个基站的初始数据集构建对应每个基站的表示向量，将各个基站的表示向量组合为输入向量输入到预训练的扩散模型中，所述扩散模型输出轨迹生成向量，所述轨迹生成向量由多个对应用户的轨迹生成子向量组成；基于所述轨迹生成向量确定预设时间段中用户的轨迹数据。

公开(公告)号：CN115169526A

公开(公告)日：2022-10-11

申请号：CN202210548996.4

申请日：2022-05-20

Applicant: 北京信息科技大学 ,  和智信(山东)大数据科技有限公司

Inventor： 司俊俊 ,  李莉 ,  羊晋 ,  涂波

IPC: G06N3/04 ,  G06N3/08 ,  H04W64/00

Abstract: 本发明提供一种基于深度学习的基站表示学习方法、系统及存储介质，所述方法包括：获取基站信息，所述基站信息包括基站的唯一标识码信息、基站静态特征数据以及基站相关动态轨迹数据；基于获取到的基站的经度、纬度以及基站相关动态轨迹数据确定基站之间的邻接矩阵，基于邻接矩阵构建第一基站关系图；基于基站静态特征数据以及基站相关动态轨迹数据构造第一特征向量集合；构建自编码器神经网络模型，将所述第一基站关系图及第一特征向量集合输入至编码器得到基站表示向量集合，将所述基站表示向量集合输入至解码器得到重构的第二基站关系图及第二特征向量集合。该方法可高效的实现基站的表示学习，从而在各类数据挖掘过程中更好的应用基站信息。

公开(公告)号：CN116304560B

公开(公告)日：2023-11-24

申请号：CN202310078949.2

申请日：2023-01-17

Applicant: 北京信息科技大学

Inventor： 李莉 ,  司俊俊 ,  赵晓永

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/088 ,  G06F16/29 ,  G06F16/23

Abstract: 本发明提供一种基于多尺度增强对比学习的轨迹表征模型训练方法、表征方法及装置，将经纬度坐标转化为格式一致的Google S2网格编码，能够保证在向量化的过程中保持形式统一再通过双向Transformer的编码器将轨迹各位置向量化后的网格编码和时间戳进行特征提取得到轨迹表征向量。双向Transformer的编码器通过建立正负样本以对比学习的形式进行预训练，最小化各精度层级下所述轨迹样本及其正样本的轨迹表征向量差异、最大化各精度层级下所述轨迹样本及其负样本的轨迹表征向量差异，提升对轨迹表征的稳定性和精确性，提高对原始数据稀

公开(公告)号：CN116304560A

公开(公告)日：2023-06-23

申请号：CN202310078949.2

申请日：2023-01-17

Applicant: 北京信息科技大学

Inventor： 李莉 ,  司俊俊 ,  赵晓永

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/088 ,  G06F16/29 ,  G06F16/23

Abstract: 本发明提供一种基于多尺度增强对比学习的轨迹表征模型训练方法、表征方法及装置，将经纬度坐标转化为格式一致的Google S2网格编码，能够保证在向量化的过程中保持形式统一再通过双向Transformer的编码器将轨迹各位置向量化后的网格编码和时间戳进行特征提取得到轨迹表征向量。双向Transformer的编码器通过建立正负样本以对比学习的形式进行预训练，最小化各精度层级下所述轨迹样本及其正样本的轨迹表征向量差异、最大化各精度层级下所述轨迹样本及其负样本的轨迹表征向量差异，提升对轨迹表征的稳定性和精确性，提高对原始数据稀疏性和噪音的抗干扰能力。