公开(公告)号：CN103248603B

公开(公告)日：2016-12-28

申请号：CN201310195576.3

申请日：2013-05-23

申请人： 清华大学 ,  深圳清华大学研究院

发明人： 张昌明 ,  肖振宇 ,  高波 ,  金德鹏 ,  刘培

IPC分类号： H04L27/38 ,  H04L27/34

摘要： 本发明提出一种基于畸变星座估计与解调的PA非线性影响消除方法，包括以下步骤：接收具有相同调制方式的辅助序列和数据负载，并建立该调制方式下辅助序列的基带模型，其中，基带模型由标准星座点和PA响应函数构建；根据基带模型建立畸变星座点的畸变幅度集合和附加相位集合；根据辅助序列对畸变星座点的畸变幅度集合和附加相位集合进行求解；根据畸变星座点的畸变幅度集合、附加相位集合以及标准星座点相位得到畸变星座；以及根据求解得到的畸变星座对数据负载的调制信号进行解调。根据本发明实施例的方法，通过基带数字信号处理简化了发射端射频器件的设计难度，同时接收端也只需较低的复杂度及成本。

公开(公告)号：CN104125052A

公开(公告)日：2014-10-29

申请号：CN201410357684.0

申请日：2014-07-24

申请人： 清华大学 ,  深圳清华大学研究院

发明人： 牛勇 ,  金德鹏 ,  苏厉 ,  葛宁 ,  裴玉奎

IPC分类号： H04L7/00

摘要： 本发明公开了一种并行定时同步系统及方法，其中系统包括：根据采样时钟源对接收信号进行过采样的采样模块；将过采样信号转换为并行信号的串并转换模块；对并行信号进行匹配滤波的并行匹配滤波器；对滤波后并行信号和独特字进行滑动相关以提取定时误差信息的相关器；根据定时误差信息进行下采样和插值的下采样控制及插值模块；输出同步码元和同步码元的有效信号的FIFO模块。该系统将并行信号和独特字进行滑动相关并提取定时误差信息，从而根据定时误差信息进行下采样和插值，实现输出同步码元和同步码元的有效信号，调试方便，节省成本，实现简单，且在低信噪比条件下也能完成捕获和保持定时同步状态。

公开(公告)号：CN103067065B

公开(公告)日：2015-04-15

申请号：CN201210558423.6

申请日：2012-12-20

申请人： 清华大学 ,  深圳清华大学研究院

发明人： 冯薇 ,  肖振宇 ,  苏厉 ,  金德鹏 ,  曾烈光

IPC分类号： H04B7/06

摘要： 本发明公开了基于双层圆形天线阵的60GHz波束赋形方法和系统，波束赋形方法包括码本设计和训练步骤，通过进行Quasi-omni码本设计得到所有Quasi-omni模式，一一配对得到最佳Quasi-omni对；在最佳Quasi-omni对范围内进行Sector码本设计和相应的训练步骤得到最佳Sector对；在最佳Sector对范围内进行Sector码本设计和相应的训练步骤得到最佳Beam对，使得三种模式均产生对应的码本，在实现天线方向图中波束大小一致、分布均匀、指向明确的同时，达到短时间内搜索到准确度高、增益高、增益损耗小的天线波束的目的，且圆形天线阵码本关于相移错误的鲁棒性更强、系统更稳定。

公开(公告)号：CN113610552B

公开(公告)日：2024-07-19

申请号：CN202110713356.X

申请日：2021-06-25

申请人： 清华大学

发明人： 李勇 ,  张国祯 ,  金德鹏

IPC分类号： G06Q30/0202 ,  G06Q30/0201 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06N5/045

摘要： 本发明提供一种用户流失预测方法及装置。该方法包括：获取待预测用户的关联关系数据、历史交互数据及个人目标数据；将关联关系数据、历史交互数据及个人目标数据输入到用户流失预测模型中，得到用户流失预测模型输出的未来目标时间段对应的用户流失预测结果；用户流失预测模型是基于样本用户数据、样本用户数据对应的用户流失预测结果及标签用户流失数据训练得到的；用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。采用本发明方法，基于反事实推理建模架构引入用户间相互关系因素，提高了用户流失预测的准确度。

公开(公告)号：CN113379494B

公开(公告)日：2024-05-31

申请号：CN202110648210.1

申请日：2021-06-10

申请人： 清华大学

发明人： 高宸 ,  李银峰 ,  李勇 ,  金德鹏

IPC分类号： G06Q30/0601 ,  G06Q50/00 ,  G06F16/9535 ,  G06F16/958 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

摘要： 本发明提供一种基于异质社交关系的商品推荐方法、装置和电子设备，包括：确定待推荐商品的用户；将用户输入推荐模型，输出所有商品的推荐度；推荐模型是基于样本用户、对应的购买商品标签以及存在社交关系的用户标签进行训练得到的，所述推荐模型训练时的网络结构包括异质社交关系表示超图卷积网络、商品向量表示超图卷积网络、关系向量表示超图卷积网络、用户嵌入表示超图卷积网络和商品用户推荐度计算网络，异质社交关系表示超图卷积网络用于将输入的样本用户结合样本用户存在社交关系的用户标签组成的两用户一商品超边三元组采用向量进行表示；基于推荐度，确定为所述用户推荐的商品。本发明提供的方法提高了商品推荐的有效性。

公开(公告)号：CN110196891B

公开(公告)日：2024-03-15

申请号：CN201811361868.9

申请日：2018-11-15

申请人： 腾讯大地通途(北京)科技有限公司 ,  腾讯科技(深圳)有限公司 ,  清华大学

发明人： 李勇 ,  徐丰力 ,  秦震宇 ,  金德鹏 ,  孙福宁 ,  孟凡超

IPC分类号： G06F16/29

摘要： 本发明公开了一种街区类型的确定方法、装置、存储介质及电子装置。其中，该方法包括：在客户端上获取到第一请求，其中，第一请求用于请求获取目标街区的类型；响应第一请求获取目标街区的类型，其中，目标街区的类型根据街区之间已产生的帐号轨迹数据产生，帐号轨迹数据包括：具有关联关系的帐号、帐号产生的运动轨迹、运动轨迹经过的街区和运动轨迹产生的时间，街区包括目标街区；在客户端上显示目标街区的类型。本发明解决了相关技术对街区类型进行识别的准确性较低的技术问题。

公开(公告)号：CN113658718B

公开(公告)日：2024-02-27

申请号：CN202110961659.3

申请日：2021-08-20

申请人： 清华大学

发明人： 李勇 ,  冯涛 ,  夏彤 ,  金德鹏

IPC分类号： G16H50/80 ,  G16H50/30 ,  G06N3/042 ,  G06N3/092 ,  G06N3/045

摘要： 本发明提供一种个体疫情防控方法及系统，该方法包括：获取目标城市中用户终端个体在预设时间间隔内预设时段的状态信息和地区访问历史记录信息；将状态信息和地区访问历史记录信息输入到训练好的疫情防控模型，获取目标城市中每个用户终端个体的疫情干预动作；其中，训练好的疫情防控模型是根据样本状态信息、样本地区访问历史记录信息和样本干预动作，对图神经网络和强化学习模型进行训练得到的；根据疫情干预动作，获取用户终端个体的疫情干预策略，以对用户终端个体进行干预。本发明通过图神经网络获取用户终端个体间的接触联系，通过强化学习模型获取最优疫情防控策略，提高了疫情防控成效。

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

发明人： 李勇 ,  常健新 ,  高宸 ,  金德鹏

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：CN111681067B

公开(公告)日：2023-10-31

申请号：CN202010306909.5

申请日：2020-04-17

申请人： 清华大学 ,  杭州贝购科技有限公司

发明人： 李勇 ,  郑瑜 ,  高宸 ,  金德鹏 ,  徐裕键 ,  郁佳杰 ,  张良伦

IPC分类号： G06Q30/0601 ,  G06N3/042 ,  G06N3/08 ,  G06F18/214

摘要： 本发明实施例提供一种基于图注意力网络的长尾商品推荐方法及系统，该方法包括：获取待推荐商品交互信息，所述待推荐商品交互信息包括待推荐商品ID信息集合、用户ID信息集合、待推荐商品流行度信息和用户商品交互记录信息，所述待推荐商品流行度信息表示用户与商品之间的交互数量信息；将所述待推荐商品交互信息输入到训练好的商品推荐模型，得到待推荐商品的推荐结果；所述训练好的商品推荐模型是通过图注意力网络构建的，并由标记为负样本的样本商品ID信息和样本用户ID信息训练得到的。本发明实施例基于图注意力网络提升长尾商品的推荐效果，使得向用户推荐的商品中包含更多长尾商品。

公开(公告)号：CN112328911B

公开(公告)日：2023-05-23

申请号：CN202011187249.X

申请日：2020-10-30

申请人： 腾讯科技(深圳)有限公司 ,  清华大学

发明人： 潘广谋 ,  高宸 ,  李勇 ,  涂贞 ,  高徽 ,  金德鹏

IPC分类号： G06F16/9537

摘要： 本申请公开了一种地点推荐方法、装置、设备及存储介质，涉及用户兴趣推荐领域。该方法包括：构建用户地点关系图，用户地点关系图中的连接线用于连接结点间的交互关系和辅助关系，辅助关系包括用户间的社交关系和地点间的地理位置关系中的至少一种，地理位置关系包括地点节点在地图中的位置关系；基于用户地点关系图进行向量传播和向量更新得到用户结点的用户表征向量和地点结点的地点表征向量，向量传播和向量更新用于根据结点间的连接线进行向量传播和迭代学习、提取用户地点关系图中的邻接关系；根据目标用户的用户结点与至少两个地点结点的至少两个预测分数输出目标用户的推荐地点。该方法能提高地点推荐的准确度。