-
公开(公告)号：CN115620510B
公开(公告)日：2023-12-05
申请号：CN202211023169.X
申请日：2022-08-25
Applicant: 重庆邮电大学
IPC: G08G1/01 , H04L41/14 , G06N3/0464 , G06N3/048
Abstract: 本发明属于智能交通应用技术领域，具体涉及一种基于自适应窗口注意力提取时空依赖的交通流预测方法，包括获取交通路网的图结构基本信息及其交通流数据，对交通流数据进行预处理；获取交通路网中各卡口节点的流量单元时空特征集合；构建交通流量预测模型，其包括时间依赖模块、时空依赖模块和预测模块；采用多头注意力机制构建时间依赖模块得到各卡口节点的时间依赖特征；在时空依赖模块引入自适应窗口，以各卡口节点的时间依赖特征作为输入得到各卡口节点的时空依赖特征；将各卡口节点的时空依赖特征输入预测模块得到预测结果；本发明引入自适应窗口，采用局部注意力和全局注意力结合的机制挖掘相邻卡口之间的相关性，实现准确实时的交通流预测。
-
公开(公告)号：CN112182423A
公开(公告)日：2021-01-05
申请号：CN202011098443.0
申请日：2020-10-14
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于社交网络分析传播领域，特别涉及一种基于注意力机制的网络舆情事件演化趋势预测方法，包括从基于Web的研究型推荐系统下载或者利用社交平台的公共API获取原始数据；对于获取的数据进行预处理，并去除数据中的噪声和冗余数据，提取在信息传播过程中用户之间的注意力；构建基于注意力机制的GRU模型；利用历史数据通时间反向传播算法过对模型进行训练，在训练过程中最小化损失函数，训练参数通过使用小批量的Momentum优化器来更新；将待预测的数据输入训练好的模型，即可预测信息下一阶段可能传播的用户；本发明可以对信息传播过程进行有效干预和实时控制。
-
Patent Agency Ranking
公开(公告)号：CN115511181A
公开(公告)日：2022-12-23
申请号：CN202211186799.9
申请日：2022-09-27
Applicant: 重庆邮电大学
Abstract: 本发明属于社交网络建模和信息传播领域，具体涉及一种基于迁移学习的跨领域谣言传播预测方法；该方法包括：获取话题数据并构建用户话题网络；定义随机游走策略，采用Node2Vec算法将用户话题网络表示为特征向量矩阵；采用BERT模型对话题文本信息进行表示，得到话题的文本特征向量；采用演化博弈论度量谣言信息和辟谣信息的传播影响力；根据特征向量矩阵、文本特征向量、谣言信息传播影响力、辟谣信息传播影响力对预测模型进行训练并采用新模型损失函数对模型参数进行调整；使用迁移学习对预测模型进行修正，采用修正后的模型进行用户传播谣言话题预测；本发明预测精度高，有利于抑制谣言信息或传播辟谣信息，实用性高。
-
公开(公告)号：CN115376318A
公开(公告)日：2022-11-22
申请号：CN202211005103.8
申请日：2022-08-22
Applicant: 重庆邮电大学
Abstract: 本发明属于智能交通领域，具体涉及一种基于多属性融合神经网络的交通数据补偿方法，包括：获取路网卡口的交通流量数据，计算卡口之间的量化关联程度，建立路网矩阵，并将对应卡口的交通流量数据填入路网矩阵中，得到路网特征矩阵，建立路网交通流量数据恢复模型，通过时空同步图神经网络模块捕获没有交通流量数据缺失的卡口的隐藏交通流状态，通过时空图注意力机制模块捕获没有流量数据缺失的卡口的动态特征，将卡口的隐藏交通流状态和卡口的动态特征输入融合恢复网络模块，恢复卡口缺失的交通流量数据。本发明通过引入交通流中的动态性，不仅可以更准确得恢复缺失的交通数据，还可以分析出交通路网上的交通变化状态。
-
公开(公告)号：CN112182423B
公开(公告)日：2022-09-27
申请号：CN202011098443.0
申请日：2020-10-14
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于社交网络分析传播领域，特别涉及一种基于注意力机制的网络舆情事件演化趋势预测方法，包括从基于Web的研究型推荐系统下载或者利用社交平台的公共API获取原始数据；对于获取的数据进行预处理，并去除数据中的噪声和冗余数据，提取在信息传播过程中用户之间的注意力；构建基于注意力机制的GRU模型；利用历史数据通时间反向传播算法过对模型进行训练，在训练过程中最小化损失函数，训练参数通过使用小批量的Momentum优化器来更新；将待预测的数据输入训练好的模型，即可预测信息下一阶段可能传播的用户；本发明可以对信息传播过程进行有效干预和实时控制。
-
公开(公告)号：CN115620510A
公开(公告)日：2023-01-17
申请号：CN202211023169.X
申请日：2022-08-25
Applicant: 重庆邮电大学
Abstract: 本发明属于智能交通应用技术领域，具体涉及一种基于自适应窗口注意力提取时空依赖的交通流预测方法，包括获取交通路网的图结构基本信息及其交通流数据，对交通流数据进行预处理；获取交通路网中各卡口节点的流量单元时空特征集合；构建交通流量预测模型，其包括时间依赖模块、时空依赖模块和预测模块；采用多头注意力机制构建时间依赖模块得到各卡口节点的时间依赖特征；在时空依赖模块引入自适应窗口，以各卡口节点的时间依赖特征作为输入得到各卡口节点的时空依赖特征；将各卡口节点的时空依赖特征输入预测模块得到预测结果；本发明引入自适应窗口，采用局部注意力和全局注意力结合的机制挖掘相邻卡口之间的相关性，实现准确实时的交通流预测。
-
公开(公告)号：CN115346372A
公开(公告)日：2022-11-15
申请号：CN202210978092.5
申请日：2022-08-16
Applicant: 重庆邮电大学
Abstract: 本发明属于交通流量预测领域，具体涉及一种基于图神经网络的多组件融合交通流量预测方法，包括：建立多组件融合交通流量预测模型对路网卡口的交通流量数据进行处理；在隐藏信息捕获模块对每一个时间序列的路网卡口交通流量数据进行隐藏信息捕获，得到每一个时间序列的卡口隐藏信息；在局部时空信息捕获模块显式地挖掘结构信息的局部用域关系；在全局信息注意力挖掘模块捕获全局空特征，将局部时空特征序列进行全局结构化的拼接，在交通流量预测模块对全局结构化序列进行路网卡口流量分布情况。本发明通过显式地挖掘结构信息的全局作用域关系，可以有效地进行交通路网卡口流量预测，还能够分析出多种隐藏因素对卡口流量变化趋势的影响。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
