-
公开(公告)号：CN111611472A
公开(公告)日：2020-09-01
申请号：CN202010244341.9
申请日：2020-03-31
申请人： 清华大学
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
摘要： 本发明实施例提供一种基于图卷积神经网络的捆绑推荐方法及系统。该方法包括：获取用户与捆绑历史交互数据、用户与物品历史交互数据和捆绑与物品从属关系数据；再输入至捆绑推荐模型中，得到捆绑推荐模型输出的用户与捆绑交互可能性推荐结果；其中所述捆绑推荐模型通过基于用户数据集合、捆绑数据集合和物品数据集合构建统一异构图，提取物品层级图卷积传播特征和捆绑层级图卷积传播特征之后进行联合预测及特征连接，并基于难负样本学习策略训练所得到的。本发明实施例通过将用户、捆绑和物品之间的交互关系和从属关系重构为图，并利用图神经网络的强大能力从复杂的拓扑结构和高阶连通性中学习三种关联实体表示，能达到更好的推荐性能。
-
公开(公告)号：CN110545558A
公开(公告)日：2019-12-06
申请号：CN201910844144.8
申请日：2019-09-06
申请人： 山东省交通规划设计院 , 清华大学
摘要： 本公开提供了一种基于Wi-Fi数据的高速服务区人群密度估计系统，包括数据采集装置，其被配置为采集各个服务区的地理位置相关信息及Wi-Fi数据；利用回归模型估计出服务区人数；回归模型的自变量为各个服务区各个小时区间内连接Wi-Fi人数，因变量为对应服务区人数；自变量的斜率为连接意愿的倒数，连接意愿由各个服务区的环境特征、功能定位特征、天特征和小时特征与相应学习参数相乘构成；环境特征和功能定位特征分别从相应服务区的Wi-Fi数据和地理位置相关信息中提取；天特征和小时特征均为预设分段函数；根据估计出的服务区人数以及用户进入服务区的连接AP顺序，预测用户的行为偏好，进而估计出服务区中各功能区的人数，最后得到服务区的人群密度。
-
公开(公告)号：CN111611472B
公开(公告)日：2024-02-27
申请号：CN202010244341.9
申请日：2020-03-31
申请人： 清华大学
IPC分类号： G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06Q30/0601
摘要： 本发明实施例提供一种基于图卷积神经网络的捆绑推荐方法及系统。该方法包括：获取用户与捆绑历史交互数据、用户与物品历史交互数据和捆绑与物品从属关系数据；再输入至捆绑推荐模型中，得到捆绑推荐模型输出的用户与捆绑交互可能性推荐结果；其中所述捆绑推荐模型通过基于用户数据集合、捆绑数据集合和物品数据集合构建统一异构图，提取物品层级图卷积传播特征和捆绑层级图卷积传播特征之后进行联合预测及特征连接，并基于难负样本学习策略训练所得到的。本发明实施例通过将用户、捆绑和物品之间的交互关系和从属关系重构为图，并利用图神经网络的强大能力从复杂的拓扑结构和高阶连通性中学习三种关联实体表示，能达到更好的推荐性能。
-
公开(公告)号：CN110096804A
公开(公告)日：2019-08-06
申请号：CN201910361223.3
申请日：2019-04-30
申请人： 山东省交通规划设计院 , 清华大学
IPC分类号： G06F17/50
摘要： 本公开公开了基于移动终端数据的高速公路服务区的布局方法及系统，采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。
-
-
-
搜索结果
14 条记录 (耗时 0.04 秒)
