-
公开(公告)号：CN114637909B
公开(公告)日：2025-04-29
申请号：CN202210132815.X
申请日：2022-02-14
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F16/783 , G06F16/78 , G06N3/045 , G06N3/048 , G06F16/215 , G06F16/2458 , G06F16/28 , G06N3/0495
Abstract: 一种基于改进深度结构化语义模型的电影推荐系统，包括用户行为采集与处理模块、离线训练模块和在线召回与排序模块，所述用户行为采集与处理模块收集用户的互动行为，所述离线训练模块接收用户行为采集与处理模块输出的合并后的数据，所述在线召回与排序模块根据用户的属性特征中取出用户已经训练得出的用户特征向量，并采用近似最近邻搜索技术在电影向量库中召回为用户推荐的电影子集；一种基于改进深度结构化语义模型的电影推荐方法，包括用户行为采集和处理、离线训练、在线召回与排序等步骤，本发明可以根据用户与电影的显性特征和隐性交互信息，有效地挖掘出符合用户兴趣的电影，为用户提供个性化的推荐服务，得到该用户的推荐结果。
-
公开(公告)号：CN118917515B
公开(公告)日：2025-03-25
申请号：CN202411419425.6
申请日：2024-10-12
Applicant: 南京邮电大学
IPC: G06Q10/047 , G06Q10/0835 , G06Q10/0832 , G06Q10/067 , G06N3/006
Abstract: 本发明公开了基于实时路况检测的生鲜农产品配送路径优化方法及系统，包括：获取配送中心与各需求点的初始信息；初步筛选各节点间的路径并对其交通状况进行检测，结合车速计算出各路径的拥堵指数与通行时间；将通行时间最短的路径作为节点间的运输路径，并将相应的运输路程与运输时间记录到信息矩阵中；建立生鲜农产品末端配送路径优化模型；使用Kmeans多种群进化鲸鱼优化算法对所述生鲜农产品末端配送路径优化模型进行求解，输出生鲜农产品末端配送路径优化方案，基于优化结果进行车辆调度与路径规划。本发明优化冷链物流的路径选择，使运输更加高效，确保产品质量，降低货损率，使物流更加及时。
-
公开(公告)号：CN114548864B
公开(公告)日：2025-01-17
申请号：CN202210136627.4
申请日：2022-02-15
Applicant: 南京邮电大学
IPC: G06Q10/0835 , G06N3/0464 , G06N20/00 , G06F17/16 , G06N3/048 , G06N3/047
Abstract: 本发明公开了一种基于图注意力机制强化学习的货源推荐方法，使用Actor‑Critic框架来制定整个过程。首先，收集司机历史交易记录以及浏览记录数据，对这些历史记录进行数据预处理，提取货源属性标签，并将这些特征权重输入策略函数，将货源候选集中特征匹配度高的货源添加到货源推荐列表，将货源推荐列表推荐给司机终端，根据司机反馈结果调整推荐策略，以便更好地预测司机偏好。本发明的货源推荐系统可以预测出符合司机偏好的货源给司机，提高物流的效率和司机满意度。
-
公开(公告)号：CN114637844B
公开(公告)日：2025-01-03
申请号：CN202210132465.7
申请日：2022-02-14
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于WTLBert的多标签文本分类的优化方法，将文本训练集进行分词，每一个训练文本的词数量控制在510个词之内，为每一个文本初始化嵌入向量；对所有文本训练集中标注好的标签，按照标签之间的语义关系构建标签森林，将语义相近的标签，划分到森林中同一棵树中，随后对森林中出现相同枝叶的树进行剪枝；根据构建好的标签森林为每个标签初始化嵌入向量；根据构建好的标签森林生成标签相关权重矩阵；根据F‑Attention计算每个标签最终的嵌入向量；将标签嵌入向量和文本初始化嵌入向量输入WTLBert模型中，WTLBert模型通过12个Transformer编码器以及12个WTL编码器迭代训练得到聚合嵌入向量，该向量不仅考虑到了文本上下文的语义关系，同时还兼顾了文本内容与标签之间的语义关系；最终将聚合向量输入到分类网络得到多标签分类结果。
-
公开(公告)号：CN114662749B
公开(公告)日：2024-12-10
申请号：CN202210272048.2
申请日：2022-03-18
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q30/0202 , G06Q10/083 , G06Q10/0639 , G06F18/214 , G06N3/0499
Abstract: 一种基于混合模型的数字孪生供应链物流需求预测方法，包括如下步骤，构建以当地产业结构为核心的影响因素指标体系。构建YWP‑Elman模型和FWOA‑Elman模型并进行预测。建立了一种自适应权重的混合预测模型进行预测，其中自适应权重考虑了预测模型的贡献和预测结果的误差情况。本发明以大数据分析为基础，以当地产业结构为核心，围绕物资需求与供应的关联关系，研究构建预测模型，考虑多种价值数据，进行数据训练，兼顾规模效应，开展精准预测工作，形成完善的物流需求预测体系。此预测体系可根据预测模型的贡献和预测结果的误差情况灵活调整，可以有效提高预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118394092B
公开(公告)日：2024-11-08
申请号：CN202410806694.1
申请日：2024-06-21
Applicant: 南京邮电大学
Abstract: 本发明涉及物流AGV路径规划技术领域，公开了一种基于青苔鼠算法的AGV多阶段路径规划方法及系统，方法包括：获取自动导向车环境数据，使用改进的随机树算法生成初始有效路径；基于所述初始有效路径扩展成可行区域，对可行区域进行自适应栅格化，并结合Rich_Moore邻居跟踪方法进行扩展；通过TCD*算法寻找最优路径，并对路径节点去冗；按节点对所得最优路径进行路径分段，分段使用动态四面窗算法实时避障，进一步优化路径；执行所得最优路径。本发明能够提高路径平滑度，减少大幅度变相，确保运输过程平稳无忧，提高算法收敛速度，平衡全局和局部搜索能力，减少路径冗余节点，提高AGV运输效率，降低能耗。
-
公开(公告)号：CN114819249B
公开(公告)日：2024-07-26
申请号：CN202210137321.0
申请日：2022-02-15
Applicant: 南京邮电大学
IPC: G06Q10/047 , G06N3/006 , G06Q10/083
Abstract: 本发明提供了一种基于改进狮群算法的疫情下社区物资车辆路径优化方法，首先建立路径规划数学模型，初始化算法参数；顺序编码，使用帕累托非支配排序机制以及个体拥挤距离来对个体进行排序；检测是否有外敌入侵；使用狮群传代算子和尝试次数实现狮群位置更新；使用平衡化算子优化工作负载均衡目标；更新种最佳位置，重新确定狮群个体的身份；重复直到达到迭代次数，记录狮群历史最优个体。本发明通过对原狮群算法的位置更新策略进行改进，使用狮群传代算子和尝试次数实现狮群位置更新，并使用平衡化算子优化工作负载均衡目标，解决了现有车辆路径优化方法无法满足疫情下社区物资运输中车辆路径的优化既保证工作量的公平性又保证高效性的问题。
-
公开(公告)号：CN114548723B
公开(公告)日：2024-07-26
申请号：CN202210137308.5
申请日：2022-02-15
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q10/0835
Abstract: 本发明提供了一种基于云边协同的实时车货匹配与路径推荐方法及其系统，方法包括以下步骤：S1：云端数据中心根据车辆的等待时间对车辆进行优先级排序；S2：云端数据中心根据车辆与货物的匹配程度按照优先级以最高匹配率为目标进行车辆与货物的匹配，生成初始匹配方案；S3：云端数据中心根据初始匹配方案计算车辆的装载率并进行车辆路径优化，形成初始路径推荐方案；S4：边缘服务器接收实时货物信息和实时车辆信息，对可进行二次配货的用户进行实时的二次匹配与路径推荐。相较于现有技术，本发明不仅提高了车辆的装载率，还提高了车辆的行车速度与工作效率，从而降低了车辆的工作成本，提高了用户收益。
-
公开(公告)号：CN115115389B
公开(公告)日：2024-07-23
申请号：CN202210236263.7
申请日：2022-03-11
Applicant: 南京邮电大学
IPC: G06Q30/0202 , G06Q30/0201 , G06N3/006
Abstract: 本发明提供一种基于价值细分和集成预测的快递客户流失预测方法，包括客户价值细分模块、流失预测以及预警模块、个性化挽留模块，所述客户价值细分模块用于客户价值测算以及客户分类；所述流失预测以及预警模块包括网点客户流失量预测模块和单个客户流失率预测模块，用于做出客户是否流失以及流失率的预测；所述预警及个性化挽留模块用于针对客户流失的影响指标体系和客户的价值重要程度，对不同价值客户提供个性化挽留方案。本发明既能够对客户进行精准化分类，还能够高精度预测出客户是否流失、流失概率以及网点客户流失量，并根据预测结果提出个性化流失预警。
-
公开(公告)号：CN118114821A
公开(公告)日：2024-05-31
申请号：CN202410219867.X
申请日：2024-02-28
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q10/083 , G06Q10/0631 , G06N3/0455 , G06F18/25
Abstract: 本发明公开了一种基于多模态数据的运输需求预测方法及系统，涉及运输需求预测技术领域，包括采集历史运输需求多模态数据，划分成多个数据集，对数据集进行数据预处理；对每个模态的数据分别增加融合特征，计算得到融合特征值，对融合特征值设置阈值并进行判断；构建原始Transformer网络模型，改进多头注意力机制并与路由机制进行结合，获得预测集成模型；训练预测集成模型，改进softmax函数并优化激活函数，获得多模态运输集成预测模型；输入测试集至训练好的模型中，输出一段时间内的运输需求预测结果。本发明提供了更准确、全面的运输需求预测分析，做到用更符合实际、更有针对性的来解决问题。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.042 seconds)
