-
公开(公告)号：CN119415780B
公开(公告)日：2025-04-22
申请号：CN202510033253.7
申请日：2025-01-09
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下：提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
-
公开(公告)号：CN119441628A
公开(公告)日：2025-02-14
申请号：CN202510037762.7
申请日：2025-01-10
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/24
Abstract: 本发明公开了因果不变性和无偏推荐技术领域的一种基于辅助信息学习不变和环境偏好的无偏推荐方法，步骤如下：根据因果关系图得到用户和项目交互的数据、把数据里的辅助信息输入到环境分类器里，通过辅助信息作为指导对输入的辅助信息进行环境划分、基于环境划分分别学习不变偏好和环境特定偏好以捕捉用户的不变偏好和环境特定偏好以及基于学习到的用户的不变偏好和用户所属环境的环境特定偏好输出最终的预测结果，本发明通过辅助信息作为指导来获得更可靠的环境划分，克服了以往学习不变偏好时环境划分的不准确性，并且在此基础上加入了环境特定偏好，把环境中用户偏好的动态变化考虑在内，提高了无偏推荐的准确性以及环境偏好的动态性。
-
公开(公告)号：CN119415780A
公开(公告)日：2025-02-11
申请号：CN202510033253.7
申请日：2025-01-09
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下：提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
-
公开(公告)号：CN119294613A
公开(公告)日：2025-01-10
申请号：CN202411813422.0
申请日：2024-12-11
Applicant: 吉林大学
Abstract: 本发明公开智慧城市和跨城市迁移技术领域的一种可解释的任务特定跨城市迁移学习方法，步骤如下：基于深度矩阵分解算法，动态提取源城市的CTS区域、利用城市POI和路网数据的辅助信息计算源城市与目标城市之间的相似性，选择出相似度最高的CTS区域、将选择出相似度最高的CTS区域的数据迁移至目标城市，并通过深度矩阵分解技术对目标城市的数据进行补全，本发明有效克服了现有跨城市知识迁移技术中的计算开销大，迁移效果低和可解释性差等问题，显著减少了计算复杂度，并提升了对目标任务的适应性和迁移的准确性。此外，能够清楚识别哪些区域对目标城市有利，并在数据稀缺的情况下，实现了高效的数据补全。
-
公开(公告)号：CN119129415A
公开(公告)日：2024-12-13
申请号：CN202411249716.5
申请日：2024-09-06
Applicant: 吉林大学
IPC: G06F30/27 , G06N3/042 , G06N3/08 , G06F111/08
Abstract: 本申请公开了一种时空数据外推方法、装置、设备、介质及产品，涉及数据外推技术领域，该方法包括：将预测集输入去噪扩散模型，进行反向迭代采样，得到待预测监测站点处的空气质量数据；去噪扩散模型为对条件去噪扩散概率模型进行训练得到的；分布聚合模块用于根据预测集得到待预测监测站点的第一噪声信息；时空图生成模块用于根据待预测监测站点处的外生协变量和预设上下文节点处的空气质量数据得到时空图，并对时空图进行聚合得到待预测监测站点的第二噪声信息；注意力机制模块用于根据待预测监测站点的第一噪声信息和待预测监测站点的第二噪声信息得到待预测监测站点处的空气质量数据，本申请可得到更准确的空气质量数据。
-
Patent Agency Ranking
公开(公告)号：CN119416857A
公开(公告)日：2025-02-11
申请号：CN202510024529.5
申请日：2025-01-08
Applicant: 吉林大学
IPC: G06N3/092 , G06N3/084 , G06N3/0985 , G06N3/006
Abstract: 本发明公开离线强化学习技术领域的基于相关性的离线强化学习维度缺失动作数据填补方法，具体步骤为：通过智能体与环境交互后，获取到数据集#imgabs0#，对数据集#imgabs1#进行分析，识别存在缺失的维度、构建并训练模型、加载包含维度缺失动作数据的数据集，读取其中的动作数据，将其转换为PyTorch张量，然后加载已预训练完毕的模型，对数据集#imgabs2#中的缺失值进行插补，得到插补后的数据集#imgabs3#以及将得到的数据集#imgabs4#用于训练离线强化学习智能体，本发明有助于提高离线强化学习模型在处理不完整数据时的准确性和鲁棒性，从而增强模型在实际应用中的表现。
-
公开(公告)号：CN119149834A
公开(公告)日：2024-12-17
申请号：CN202411658282.4
申请日：2024-11-20
Applicant: 吉林大学
IPC: G06F16/9537 , G06F16/9535 , G06Q50/00 , G06N3/0455 , G06N3/084
Abstract: 本发明公开城市推荐技术领域的基于用户历史签到序列的城市POI推荐与时间戳预测方法，具体步骤为：收集用户的历史签到数据，并按照时间顺序对每位用户的签到记录进行排序，形成用户签到序列，随后将数据实时传输至服务器并存储、对数据进行预处理，然后从预处理后的用户签到序列中提取出有效的POI序列和时间戳序列，将POI序列和时间戳序列输入到构建的TAPT模型中，利用TAPT模型中高效的编码器模块和嵌入连接层，将POI嵌入与时间戳嵌入进行融合，形成联合嵌入，最终，联合嵌入输入到POI推荐模型和时间戳预测器中，实现对POI及其对应时间戳的联合预测，克服了现有技术在用户行为建模和时间信息处理方面不足的问题。
-
公开(公告)号：CN115712808A
公开(公告)日：2023-02-24
申请号：CN202211271763.0
申请日：2022-10-18
Applicant: 吉林大学
IPC: G06F17/18 , G06F30/20 , G08G1/01 , G06F119/12
Abstract: 本发明公开了一种基于BPR函数模型的城市道路交通时间的计算方法及其系统。将城市道路通行分为非拥堵路段和拥堵路段；根据非拥堵路段，对BPR函数的参数进行修改，获取非拥堵路段的交通通行时间；根据车辆轨迹数据，通过轨迹跟踪的方式标记车辆停留点；基于轨迹跟踪方法，提取道路速度值，获得拥堵路段的交通通行时间；将非拥堵路段的交通通行时间与拥堵路段的交通通行时间累加，得出改造型BPR函数模型，计算得出城市道路交通通行时间；对得到的城市道路交通通行时间，进行仿真计算，已验证改造型BPR函数模型的效果。用以解决现有的BPR模型未考虑拥堵情况的复杂情形，适用于高速公路连续流，不适用于考虑拥堵排队等待情况下的复杂城市公路网规划网。
-
公开(公告)号：CN111737870A
公开(公告)日：2020-10-02
申请号：CN202010579489.8
申请日：2020-06-23
Applicant: 吉林大学
Abstract: 一种线上线下双层网络信息传播模式的分析方法，涉及一种双层路由信息传播方法，解决现有社交网络中信息传播方法中没有考虑离线移动网络中的影响，使传播效果差等问题，本发明所述的分析方法在兼顾两种网络的特点后将两层网络压缩为一层。在单层网络中找到形成最佳集合的前k个节点，也就是关键传播者。k个节点的影响并不是简单的求每个节点的总和，而是这k个节点所组成的节点集的轮廓边的总权重。本发明提出的IMOOP算法，可以选择最佳的位于关键节点的人，以便在信息截止日期之前最大化信息影响力。本发明方法为信息传播算法带来了一个更加全面的角度，使得信息传播的准确性得到了极大程度的提高。
-
公开(公告)号：CN108955693B
公开(公告)日：2020-06-16
申请号：CN201810872312.X
申请日：2018-08-02
Applicant: 吉林大学
IPC: G01C21/20
Abstract: 本发明公开一种路网匹配的方法及系统。该方法包括：获取基站与覆盖区域内的路段映射关系；获取用户的手机信令数据；对手机信令数据进行清洗；确定用户的所有停留点；确定用户的多段轨迹；对用户的每段轨迹进行特征提取；采用决策树算法确定每段轨迹对应的出行方式；提取出行方式为车辆的所有轨迹，生成待匹配轨迹集合；确定待匹配轨迹集合中每段待匹配轨迹对应的相似历史轨迹；根据相似历史轨迹对待匹配轨迹进行插值，得到更新后的待匹配轨迹集合；将每段轨迹对应的基站序列转换为路段序列；对于每一段轨迹，采用隐马尔可夫模型确定匹配路段序列，得到路网匹配结果。采用本发明的方法或系统，可以提高路网匹配的覆盖范围，提高路网匹配精度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
