-
公开(公告)号：CN109993668A
公开(公告)日：2019-07-09
申请号：CN201910279794.2
申请日：2019-04-09
Applicant: 桂林电子科技大学
IPC: G06Q50/14 , G06F16/9535
Abstract: 本发明涉及一种基于门控循环单元神经网络的景点推荐方法，解决的是启动困难问题，数据稀疏性问题，以及忽略旅游轨迹中的隐含语义问题的技术问题，通过采用步骤一，采集旅游数据＜uj1，sj2，vj3＞，对旅游数据进行预处理，按照第j个游客的所有旅游数据按照时间顺序生成表征旅游轨迹的旅游序列T；步骤二，将步骤一的旅游序列输入到门控循环单元神经网络中，通过门控循环神经网络对旅游数据进行建模，建立门控循环单元神经网络学习模型；步骤三，将步骤一的旅游序列T作为数据集同时输入步骤二的门控循环单元神经网络学习模型，将同批次的其他景点作为负例进行训练；步骤四，定义损失函数，更新推荐列表，完成景点推荐的技术方案，较好的解决了该问题，可用于景点推荐中。
-
公开(公告)号：CN108829852A
公开(公告)日：2018-11-16
申请号：CN201810641523.2
申请日：2018-06-21
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种个性化旅游路线推荐方法,包括步骤1.获取游客的游记信息并进行预处理；步骤2.得到基于类别信息的景点类型表示向量；步骤3.获取每个用户的旅游偏好表示向量、每个月份下游客的旅游偏好表示向量以及每个景点的表示向量；步骤4.根据步骤1得到候选游玩路线集合；步骤5.根据个人约束从候选游玩路线集合得到待候选旅游路线；步骤6.得到每一条旅游路线所属的偏好表示向量；步骤7.将用户的游玩偏好与候选路线进行相似度匹配得到与用户游玩偏好最匹配的游玩路线作为最终向用户推荐的旅游路线。本发明根据游客历史游玩轨迹中的每个景点与其所属的景点类别信息，得到游客的个性化旅游偏好。
-
公开(公告)号：CN108629019B
公开(公告)日：2021-04-30
申请号：CN201810433143.X
申请日：2018-05-08
Applicant: 桂林电子科技大学
IPC: G06F40/211 , G06F40/284 , G06F40/30 , G06K9/62 , G06F16/332
Abstract: 本发明公开一种面向问答领域含有人名的问句相似度计算方法，分别计算人名与非人名部分的相似度，并且考虑到句子的结构，从句子的语序以及长短两方面进行句子相似度的计算，最终根据句子语义相似度和结构相似度加权求得整体句子的相似度。解决了通过以往句子相似度算法在计算含有人名的句子时，无法得到符合人为主观判断的问题。本发明提出的方法能够更加精确的计算出含有人名的句子相似度，并可以将其广泛的应用到问答领域。
-
-
Patent Agency Ranking
公开(公告)号：CN109033129B
公开(公告)日：2021-08-03
申请号：CN201810563786.6
申请日：2018-06-04
Applicant: 桂林电子科技大学
IPC: G06F16/36
Abstract: 本发明公开一种基于自适应权重的多源信息融合知识图谱表示学习方法，首先考虑了文本信息和结构化信息的融合，采用实体向量和关系向量之间基于翻译的模型，通过调节两者之间的权重来优化得分函数，并通过对前期已经分类好的结构化信息进行类型约束训练，且无需引入更多的参数；然后利用损失函数将实体向量和关系向量关联起来，并优化了该损失函数，当达到优化目标时，就可以学得知识图谱中每个实体的向量和关系的向量。本发明解决了知识库中文本信息和结构化信息融合没有考虑权重的问题，并利用了知识库中结构化信息已有的层次信息，更精确地表示实体和关系之间的相互联系，并将其应用于大规模知识图谱中。
-
公开(公告)号：CN109993668B
公开(公告)日：2021-07-13
申请号：CN201910279794.2
申请日：2019-04-09
Applicant: 桂林电子科技大学
IPC: G06Q50/14 , G06F16/9535
Abstract: 本发明涉及一种基于门控循环单元神经网络的景点推荐方法，解决的是启动困难问题，数据稀疏性问题，以及忽略旅游轨迹中的隐含语义问题的技术问题，通过采用步骤一，采集旅游数据＜uj1，sj2，vj3＞，对旅游数据进行预处理，按照第j个游客的所有旅游数据按照时间顺序生成表征旅游轨迹的旅游序列T；步骤二，将步骤一的旅游序列输入到门控循环单元神经网络中，通过门控循环神经网络对旅游数据进行建模，建立门控循环单元神经网络学习模型；步骤三，将步骤一的旅游序列T作为数据集同时输入步骤二的门控循环单元神经网络学习模型，将同批次的其他景点作为负例进行训练；步骤四，定义损失函数，更新推荐列表，完成景点推荐的技术方案，较好的解决了该问题，可用于景点推荐中。
-
公开(公告)号：CN108829852B
公开(公告)日：2021-11-12
申请号：CN201810641523.2
申请日：2018-06-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538 , G06Q50/14
Abstract: 本发明提出一种个性化旅游路线推荐方法,包括步骤1.获取游客的游记信息并进行预处理；步骤2.得到基于类别信息的景点类型表示向量；步骤3.获取每个用户的旅游偏好表示向量、每个月份下游客的旅游偏好表示向量以及每个景点的表示向量；步骤4.根据步骤1得到候选游玩路线集合；步骤5.根据个人约束从候选游玩路线集合得到待候选旅游路线；步骤6.得到每一条旅游路线所属的偏好表示向量；步骤7.将用户的游玩偏好与候选路线进行相似度匹配得到与用户游玩偏好最匹配的游玩路线作为最终向用户推荐的旅游路线。本发明根据游客历史游玩轨迹中的每个景点与其所属的景点类别信息，得到游客的个性化旅游偏好。
-
公开(公告)号：CN109033129A
公开(公告)日：2018-12-18
申请号：CN201810563786.6
申请日：2018-06-04
Applicant: 桂林电子科技大学
IPC: G06F17/30
Abstract: 本发明公开一种基于自适应权重的多源信息融合知识图谱表示学习方法，首先考虑了文本信息和结构化信息的融合，采用实体向量和关系向量之间基于翻译的模型，通过调节两者之间的权重来优化得分函数，并通过对前期已经分类好的结构化信息进行类型约束训练，且无需引入更多的参数；然后利用损失函数将实体向量和关系向量关联起来，并优化了该损失函数，当达到优化目标时，就可以学得知识图谱中每个实体的向量和关系的向量。本发明解决了知识库中文本信息和结构化信息融合没有考虑权重的问题，并利用了知识库中结构化信息已有的层次信息，更精确地表示实体和关系之间的相互联系，并将其应用于大规模知识图谱中。
-
公开(公告)号：CN108629019A
公开(公告)日：2018-10-09
申请号：CN201810433143.X
申请日：2018-05-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种面向问答领域含有人名的问句相似度计算方法，分别计算人名与非人名部分的相似度，并且考虑到句子的结构，从句子的语序以及长短两方面进行句子相似度的计算，最终根据句子语义相似度和结构相似度加权求得整体句子的相似度。解决了通过以往句子相似度算法在计算含有人名的句子时，无法得到符合人为主观判断的问题。本发明提出的方法能够更加精确的计算出含有人名的句子相似度，并可以将其广泛的应用到问答领域。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
