-
公开(公告)号：CN110083802B
公开(公告)日：2022-05-03
申请号：CN201910293785.9
申请日：2019-04-12
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多目标回归的高速公路收费站车流量大数据预测方法，包括：101对数据进行预处理操作；102对数据进行打标操作；103对数据进行特征工程构建操作；104构建一种结合目标特定特征和目标相关性的多目标回归模型；105通过已建立的模型，根据收费站历史车流量数据、天气数据等信息，预测收费站8点到10点每20分钟的车流量。本发明主要是通过对收费站历史车流量数据、天气数据等信息进行预处理和分析提取特征，建立一种结合目标特定特征和目标相关性的多目标回归模型，预测收费站8点到10点每20分钟的车流量，从而使交通管理部门能够利用大数据及时采取措施减少收费站的拥堵。
-
公开(公告)号：CN109740624A
公开(公告)日：2019-05-10
申请号：CN201811399639.6
申请日：2018-11-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的物流供应链需求预测方法，包括：101对数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103提取目标之间的关系特征；104提取输入输出空间的目标敏感特征；105建立机器学习模型，根据供应链的历史需求数据进行预测。本发明主要是通过提取关于物流供应链需求预测目标的输入输出空间的敏感特征来处理输入空间和输出空间的复杂关系，建立机器学习模型，从而预测供应链在未来5周内的需求，使得商家能够在正确的时间给用户最有效服务。
-
公开(公告)号：CN109509033A
公开(公告)日：2019-03-22
申请号：CN201811535802.7
申请日：2018-12-14
Applicant: 重庆邮电大学
IPC: G06Q30/02
Abstract: 本发明请求保护一种消费金融场景下的用户购买行为大数据预测方法，包括：101对用户的APP操作行为日志数据进行预处理操作；102对用户的APP操作行为日志数据进行特征工程操作；103对构建特征完成的样本集进行特征选择；104建立2个机器学习模型，并进行模型融合操作；105通过建立的模型，根据用户个人属性及其历史APP操作行为日志数据对用户在未来一个周是否购买APP上的优惠券进行预测。本发明为商家广告精准投放，个性化优惠信息推荐提供有力的决策支持。
-
公开(公告)号：CN110059183B
公开(公告)日：2022-08-23
申请号：CN201910221691.0
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的汽车行业用户观点情感分类方法，包括101对数据进行预处理操作；102对数据进行特征工程构建操作；103建立多个机器学习模型包括LightGBM、随机森林、Catboost模型，并进行模型融合操作；104通过已建立的模型，根据文本内容、主题、情感分析等数据了解消费者。本发明主要是通过对文本内容、主题、情感分析等数据进行预处理、Jieba分词和分析数据提取特征，建立多个机器学习模型，从而预测汽车行业用户的情感，使得汽车厂商获得快速、准确的方式来了解消费者需求，使得汽车厂商能够根据消费者对汽车的情感对汽车做最有效的改进。
-
公开(公告)号：CN110060102B
公开(公告)日：2022-05-03
申请号：CN201910313789.9
申请日：2019-04-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于偏标记学习的用户所在商铺定位大数据预测方法，包括：101对用户的购物状态数据进行预处理操作；102根据每个样本所对应的候选商铺集合构建偏标记数据集；103对偏标记数据集进行特征提取操作；104根据特征空间构建相似度图；105根据相似度图进行概率传播；106通过传播所收敛的概率，从偏标记数据集的候选商铺集合中预测出用户未来有行为互动的商铺。本发明主要是通过对用户历史数据进行预处理，提取特征，转换偏标记数据集，建立偏标记学习模型，根据用户的位置行为的偏标记数据集，从每个用户所对应的候选商铺集合中预测出用户未来有行为互动的商铺，使得用户能够获得更为精准的个性化推送服务，提高用户的购物体验。
-
Patent Agency Ranking
公开(公告)号：CN109711004A
公开(公告)日：2019-05-03
申请号：CN201811511344.3
申请日：2018-12-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种光纤折射率大数据预测方法，包括：101对光纤拉制时的生产数据进行预处理；102根据光纤拉制设备的不同，划分训练集和验证集；103建立三个基础机器学习模型；104利用线性加权方法对基础模型进行融合；105根据最终建立的模型，对即将拉制的光纤的折射率进行回归预测。本发明主要是通过对光纤拉制时的生产数据进行预处理和分析，建立三个机器学习模型并进行模型融合，从而对即将被拉制的光纤的折射率进行回归预测分析，判断生产的光纤是否满足要求，同时也可以通过预测结果对现已有的参数进行调整，进而提高光纤生产的效率与合格率。
-
公开(公告)号：CN109509033B
公开(公告)日：2023-04-07
申请号：CN201811535802.7
申请日：2018-12-14
Applicant: 重庆邮电大学
IPC: G06Q30/0202 , G06Q30/0207
Abstract: 本发明请求保护一种消费金融场景下的用户购买行为大数据预测方法，包括：101对用户的APP操作行为日志数据进行预处理操作；102对用户的APP操作行为日志数据进行特征工程操作；103对构建特征完成的样本集进行特征选择；104建立2个机器学习模型，并进行模型融合操作；105通过建立的模型，根据用户个人属性及其历史APP操作行为日志数据对用户在未来一个周是否购买APP上的优惠券进行预测。本发明为商家广告精准投放，个性化优惠信息推荐提供有力的决策支持。
-
公开(公告)号：CN110060102A
公开(公告)日：2019-07-26
申请号：CN201910313789.9
申请日：2019-04-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于偏标记学习的用户所在商铺定位大数据预测方法，包括：101对用户的购物状态数据进行预处理操作；102根据每个样本所对应的候选商铺集合构建偏标记数据集；103对偏标记数据集进行特征提取操作；104根据特征空间构建相似度图；105根据相似度图进行概率传播；106通过传播所收敛的概率，从偏标记数据集的候选商铺集合中预测出用户未来有行为互动的商铺。本发明主要是通过对用户历史数据进行预处理，提取特征，转换偏标记数据集，建立偏标记学习模型，根据用户的位置行为的偏标记数据集，从每个用户所对应的候选商铺集合中预测出用户未来有行为互动的商铺，使得用户能够获得更为精准的个性化推送服务，提高用户的购物体验。
-
公开(公告)号：CN110059183A
公开(公告)日：2019-07-26
申请号：CN201910221691.0
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的汽车行业用户观点情感分类方法，包括101对数据进行预处理操作；102对数据进行特征工程构建操作；103建立多个机器学习模型包括LightGBM、随机森林、Catboost模型，并进行模型融合操作；104通过已建立的模型，根据文本内容、主题、情感分析等数据了解消费者。本发明主要是通过对文本内容、主题、情感分析等数据进行预处理、Jieba分词和分析数据提取特征，建立多个机器学习模型，从而预测汽车行业用户的情感，使得汽车厂商获得快速、准确的方式来了解消费者需求，使得汽车厂商能够根据消费者对汽车的情感对汽车做最有效的改进。
-
公开(公告)号：CN109784979A
公开(公告)日：2019-05-21
申请号：CN201811555230.9
申请日：2018-12-19
Applicant: 重庆邮电大学
IPC: G06Q30/02
Abstract: 本发明公开了一种大数据驱动的供应链需求预测方法，包括：101对商品数据进行数据预处理操作；102根据商品历史销售数据划分数据集；103对划分的数据集进行特征工程构建操作；104对构建的特征进行特征选择；105建立机器学习模型，并进行模型融合操作；106通过构建的模型，预测商品未来一周的销量。本发明主要通过对商品在用户的表现数据、商品信息、商品销售数据、商品sku映射表、商品促销价格表和平台活动时间表进行预处理和分析提取特征，建立机器学习模型并进行线性加权模型融合，从而准确预测商品未来一周的销量，为供应链提供数据基础和企业建立全球化供应链方案提供关键的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
