一种基于多旅游上下文建模的旅游推荐方法

    公开(公告)号:CN110532464A

    公开(公告)日:2019-12-03

    申请号:CN201910743597.1

    申请日:2019-08-13

    Abstract: 本发明公开了一种基于多旅游上下文建模的旅游推荐方法,包括:采集数据并进行预处理,对用户、景点及其属性数据进行编号;构建旅游序列轨迹和景点知识图谱;通过深度学习模型训练得到游客访问行为序列上下文和景点旅游属性上下文的特征表示;融合多旅游上下文信息得到最终的用户向量和景点向量;计算用户向量与各景点向量的空间距离相似度,得到Top-K旅游景点推荐。本发明利用向量融合的方法将由游客访问行为序列上下文和景点旅游属性上下文分别得到的用户向量和景点向量合并为最终的用户向量和景点向量,该特征表示有效地融合了多旅游上下文,提高了特征表示中的高级旅游语义,确保了推荐的有效性。

    一种基于Actor模型的并行动态符号执行方法和系统

    公开(公告)号:CN106649124B

    公开(公告)日:2019-04-02

    申请号:CN201611237624.0

    申请日:2016-12-28

    Abstract: 本发明涉及一种基于Actor模型的并行动态符号执行方法和系统,方法包括将配置后的Actor模型的并行框架合并到修改后的动态符号执行工具中;Actor模型的多个工作节点通过通讯节点从预先构造的待求解路径栈中取出任务,并根据任务探索器获取所述任务的任务路径约束值;利用约束求解器对所述任务路径约束值进行求解,得到求解值Valuation;将求解值Valuation采用递归方式来代入所述待求解路径栈中的路径,生成待探索路径,将待探索路径存入预先构造的待探索路径栈中。本发明的提出一种并行动态符号执行方法,实现了两个层面上的并行,可以在多个节点上并行分析程序路径,可同次进行约束求解和路径探索,降低程序耗时,还可以加强测试大规模程序的能力。

    一种基于自适应负采样的知识图谱嵌入方法

    公开(公告)号:CN109376249A

    公开(公告)日:2019-02-22

    申请号:CN201811042565.0

    申请日:2018-09-07

    Abstract: 本发明提出一种基于自适应负采样的知识图谱嵌入方法,包括以下步骤:步骤1、根据实体间的相似性对实体向量进行分组;步骤2、利用同一分组内的相似实体进行相互替换并生成与正例三元组相似的负例三元组;步骤3、将所述正例三元组与所述负例三元组作为知识图谱嵌入模型中的训练输入;步骤4、利用所述知识图谱嵌入模型的损失函数优化更新实体向量与关系向量。本发明提高了替换实体与被替换实体之间的相似度,从而提高负例三元组质量;根据实体在知识图谱中出现的频率对实体进行采用,提高了高频实体被训练的次数;通过提高负例三元组的质量,有效的实现了知识图谱中实体与关系的嵌入。

    一种基于动态路径的知识图谱表示学习方法

    公开(公告)号:CN109146078A

    公开(公告)日:2019-01-04

    申请号:CN201810796671.1

    申请日:2018-07-19

    CPC classification number: G06N5/022 G06N5/027

    Abstract: 本发明公开一种基于动态路径的知识图谱表示学习方法,以翻译模型为基础,考虑了结构三元组(实体,关系,实体)和(实体,路径,实体)的语义信息,当(h,t)存在时,在路径的表示过程中,给其添加一个动态因子α向量。即在训练过程中,每一个多步关系组合而成的路径向量向着与直接关系极为相近的目标优化,那么只要其在一定范围内都将被视为表示了其语义信息而不必必须与给定的向量严格相等。本发明解决现有技术对复杂关系类型事实间的多个直接关系和多个路径无法有效区分的问题,具有良好的实用性。

    基于多步关系路径的知识图谱表示学习方法

    公开(公告)号:CN108959472A

    公开(公告)日:2018-12-07

    申请号:CN201810639360.4

    申请日:2018-06-20

    Abstract: 本发明公开一种基于多步关系路径的知识图谱表示学习方法,其考虑了关系路径被准确表示的必要性,利用长短时记忆网络结构对关系路径中的多个关系进行依次迭代组合操作,很好地表示了实体对之间的直接关系和路径关系的相互关联,丰富了实体对之间的语义信息。采用改进的路径约束分配资源算法,计算实体对之间每条路径的可靠性,利用计算得到的可靠性根据阈值滤除不可靠的路径,从而得到可靠的关系路径,使头实体到尾实体的可达性计算更详尽准确。本发明解决现有技术对于关系路径建模相对粗糙使路径长度受限无法很好反应实体对之间复杂语义信息的问题,具有良好的可扩展性。

    时间多栈下推网络的静态转换方法

    公开(公告)号:CN105260295B

    公开(公告)日:2018-09-25

    申请号:CN201510581206.2

    申请日:2015-09-14

    Abstract: 本发明公开一种时间多栈下推网络的静态转换方法,首先,为了描述实时系统中并发递归机制,以及线程之间的交互,在MPDN的基础上引入时钟,提出TMPDN模型,并给出其语法及操作语义。其次,利用时钟域等价的优化技术,通过静态转换方法,将连续时间的TMPDN模型转换成离散的MPDN模型。本发明能够实现同时实现实时并发系统的实时性和并发性的描述,并能为实时并发程序的形式化验证提供保证。

    一种融合实体和关系描述的知识图谱表示学习方法

    公开(公告)号:CN108197290A

    公开(公告)日:2018-06-22

    申请号:CN201810053803.1

    申请日:2018-01-19

    Abstract: 本发明公开一种融合实体和关系描述的知识图谱表示学习方法,考虑了实体与关系的文本描述信息,很好地融合了三元组的结构化信息与文本描述信息两大信息源,通过基于神经网络的端到端模型对实体和关系联合抽取,设置一个平衡因子来平衡结构化信息和文本描述信息,并根据预测对象的不同定义不同的得分函数;然后利用损失函数把实体向量和关系向量关联起来,并优化该损失函数,当达到优化目标时,就可以学得知识图谱及文本描述信息中每个实体的向量和关系的向量。本发明解决了知识库中实体和关系的稀疏性和不平衡性,更精确有效地表示实体和关系及其之间的相互联系,并将其应用于大规模知识图谱中,具有较好的实用性。

    一种基于多目标优化的知识图谱表示学习方法

    公开(公告)号:CN107885759A

    公开(公告)日:2018-04-06

    申请号:CN201611189474.0

    申请日:2016-12-21

    CPC classification number: G06F17/30604 G06F17/30427

    Abstract: 本发明公开一种基于多目标优化的知识图谱表示学习方法,其采用实体向量与关系向量之间基于翻译的模型,利用三元组结构中关系映射类型定义并很好地表示了三元组中实体向量与关系向量之间的相互关联,且无须引入更多的参数;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,从而更好地表示实体和关系之间的联系,并更好的应用于大规模知识图谱补全中。本发明解决现有技术过于简单或过于复杂而无法很好的表示知识图谱中的实体和关系及不能很好地应用于大规模知识图谱中的问题,具有良好的实用性。

    一种面向群组的旅游推荐方法

    公开(公告)号:CN107657347A

    公开(公告)日:2018-02-02

    申请号:CN201710919644.4

    申请日:2017-09-30

    CPC classification number: G06Q10/04 G06F16/9535 G06Q50/14

    Abstract: 本发明公开一种面向群组的旅游推荐方法,结合用户共同评分项的稀疏程度、关键词、用户共同标签、位置以及用户局部满意度与整体满意度的旅游推荐方法,即利用用户共同评分项的稀疏程度,根据基于协同过滤的思想得到推荐方案;利用文档关键词的词频,采用基于内容的推荐得到推荐方案;利用信任用户共同的标签,采用基于社交网络的推荐得到推荐方案;将上述三个推荐方案通过加权组合得到混合推荐方案,并在其中融入用户与景点的距离因素;利用群组成员之间的交互,定义融合成员推荐列表的函数,得到最终的推荐方案,以提旅游推荐的用户体验,具有良好的实用性。

Patent Agency Ranking