基于注意力机制的群体旅游路线推荐方法

    公开(公告)号:CN112149010A

    公开(公告)日:2020-12-29

    申请号:CN202011199320.6

    申请日:2020-11-01

    Abstract: 本发明公开一种基于注意力机制的群体旅游路线推荐方法,包括如下步骤:获取不同景点之间的移动交通时间,每个景点的平均访问时间;根据用户历史旅游路线、群体历史旅游路线建立群体偏好模型;根据群体偏好模型,景点热度模型,构建景点效用函数模型;根据景点效用函数模型,群体旅游路线约束得到群体共同偏好最匹配的旅游路线作为最终向群体推荐的旅游路线。由于本发明的一种基于注意力机制的群体旅游路线推荐方法,采用了注意力机制,可以学习群体成员之间的交互关系,并为每个群体成员自动分配权重,获得更准确的群体偏好,本发明在群体旅游路线的时空约束条件下,最大化群体偏好,为群体成员推荐满意的旅游路线。

    一种对噪声影响低敏的鸟类声学多样性指数方法

    公开(公告)号:CN114913869A

    公开(公告)日:2022-08-16

    申请号:CN202210605227.3

    申请日:2022-05-31

    Inventor: 许志勇 陈蕾 赵兆

    Abstract: 本发明公开了一种对噪声影响低敏的鸟类声学多样性指数方法,该方法首先通过短时傅里叶变换获得野外鸟声监测数据在分析时段中的时频功率谱,然后根据窄带噪声电平估计计算各频点满足局部信噪比要求的浮动检测门限候选值,并将满度相对电平门限作为下限值得到时频谱二值化处理的频变检测门限,最后通过统计各子频带内功率高于检测门限的时频点数量进行香农指数计算,得到基于频变门限检测的声学多样性指数。本发明能在有效解决ADI对噪声影响非常敏感的原理性缺陷的同时,还能完全兼容已有ADI研究的生态学解释和发现,为实现稳定可靠的鸟类物种多样性快速评估提供了一种新的工具,对生态环境声学监测具有十分重要的意义。

    基于注意力机制的群体旅游路线推荐方法

    公开(公告)号:CN112149010B

    公开(公告)日:2024-05-24

    申请号:CN202011199320.6

    申请日:2020-11-01

    Abstract: 本发明公开一种基于注意力机制的群体旅游路线推荐方法,包括如下步骤:获取不同景点之间的移动交通时间,每个景点的平均访问时间;根据用户历史旅游路线、群体历史旅游路线建立群体偏好模型;根据群体偏好模型,景点热度模型,构建景点效用函数模型;根据景点效用函数模型,群体旅游路线约束得到群体共同偏好最匹配的旅游路线作为最终向群体推荐的旅游路线。由于本发明的一种基于注意力机制的群体旅游路线推荐方法,采用了注意力机制,可以学习群体成员之间的交互关系,并为每个群体成员自动分配权重,获得更准确的群体偏好,本发明在群体旅游路线的时空约束条件下,最大化群体偏好,为群体成员推荐满意的旅游路线。

    一种融合关键词生成的推荐方法

    公开(公告)号:CN113190751B

    公开(公告)日:2022-09-27

    申请号:CN202110506393.3

    申请日:2021-05-10

    Abstract: 本发明提供了一种融合关键词生成的推荐算法,首先获取用户的历史点击行为序列和对应产品标题的关键词序列,然后将所述用户历史点击行为序列输入到用户偏好模型中,学习用户的特征表示向量;接着将产品标题关键词序列数据输入到seq2seq模型中,得到标题关键词序列的上下文向量;最后根据用户最终特征向量计算用户购买各种产品的概率,根据用户购买产品的概率对用户进行产品推荐。

    基于半监督的图卷积神经网络的文本分类方法

    公开(公告)号:CN113792144A

    公开(公告)日:2021-12-14

    申请号:CN202111087880.7

    申请日:2021-09-16

    Abstract: 本发明公开了一种基于半监督的图卷积神经网络的文本分类方法,为构建文本与文本之间的语义关系,采用BERT模型将文本进行编码成固定的向量,进而分析了文本与文本之间的相似关系,构建了文档‑文档之间的边关系。文本的特征表示可以依赖于相近的文档特征,利用图卷积神经网络聚合文档节点的邻居节点特征进行特征学习,增强目标文档节点的特征表示。采用GMMM模型,其不仅可以进行促进节点的特征学习还可以进行标签信息传播,有效的解决了标记数据稀疏的问题。

    一种融合关键词生成的推荐算法

    公开(公告)号:CN113190751A

    公开(公告)日:2021-07-30

    申请号:CN202110506393.3

    申请日:2021-05-10

    Abstract: 本发明提供了一种融合关键词生成的推荐算法,首先获取用户的历史点击行为序列和对应产品标题的关键词序列,然后将所述用户历史点击行为序列输入到用户偏好模型中,学习用户的特征表示向量;接着将产品标题关键词序列数据输入到seq2seq模型中,得到标题关键词序列的上下文向量;最后根据用户最终特征向量计算用户购买各种产品的概率,根据用户购买产品的概率对用户进行产品推荐。

    一种基于多视图注意力机制的旅游包推荐方法

    公开(公告)号:CN111915395A

    公开(公告)日:2020-11-10

    申请号:CN202010648825.X

    申请日:2020-07-07

    Abstract: 本发明公开了一种基于多视图注意力机制的旅游包推荐方法,通过借助深度学习技术来学习旅游包的统一表征,并依据在线旅游用户的长短期点击流数据来学习用户的兴趣表征产生推荐,该方法包含即旅游包编码和用户兴趣编码,在旅游包编码模块中,通过使用单词层面和视图层面的注意力网络从旅游包的属性中选择重要的单词和视图来学习统一的旅游包表征,在用户兴趣编码模块中,通过带有旅游包层面的注意力机制的递归神经网络(Recurrent Neural Network,RNN)来学习用户偏好的动态演化,本发明还提出了一种门结构融合方法用于集成用户的长期和短期偏好以学习用户的表征。本发明的基于多视图注意力机制的旅游包推荐方法能有效地挖掘出负样本中的有用信息,降低了模型训练的计算成本。

Patent Agency Ranking