公开(公告)号：CN119168127A

公开(公告)日：2024-12-20

申请号：CN202411178523.5

申请日：2024-08-26

Applicant: 清华大学

Inventor： 丁璟韬 ,  李勇 ,  苑苑

IPC: G06Q10/04 ,  G06F18/213 ,  G06N3/0455

Abstract: 本公开涉及时空预测技术领域，尤其涉及一种基于提示微调的时空通用模型的时空预测方法及装置，方法利用基于提示微调的时空通用模型进行时空预测任务的处理，处理包括获取针对目标场景的时空预测任务，根据时空预测任务确定出时空数据，对时空数据进行处理得到多个时空张量，基于多个时空张量确定出空间记忆池和时间记忆池，对多个时空张量进行特征提取得到多个时空特征；利用空间记忆池和时间记忆池对多个时空特征进行处理得到提示信息，根据目标掩码和提示信息确定出预测结果。根据本公开实施例的时空预测方法及装置能够实现对城市环境下各类场景的时空预测任务。

公开(公告)号：CN118761653A

公开(公告)日：2024-10-11

申请号：CN202411245265.8

申请日：2024-09-06

Applicant: 清华大学

Inventor： 李勇 ,  丁璟韬 ,  荣灿

IPC: G06Q10/0637 ,  G06Q50/26 ,  G06F16/901 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0499

Abstract: 本公开涉及移动数据生成技术领域，尤其涉及一种基于图去噪扩散的城市起终点矩阵通用生成装置及方法。该方法包括：获取目标城市的静态属性信息；根据静态属性信息构建针对目标城市的城市群体移动图，城市群体移动图包括多个节点以及连接在节点之间的多个有向边；将城市群体移动图输入到训练好的目标生成模型中，生成目标城市的起终点矩阵；目标生成模型是基于图去噪扩散的通用生成模型，通用生成模型用于根据城市群体移动图确定出带噪声的加噪多模态图，而后对加噪多模态图进行去噪声处理，生成目标城市的起终点矩阵。在各种不同结构和类型的目标城市上均达到高精度生成的优异性能表现。生成的起终点矩阵准确性高。

公开(公告)号：CN118195058A

公开(公告)日：2024-06-14

申请号：CN202410174991.9

申请日：2024-02-07

Applicant: 清华大学

Inventor： 李勇 ,  郑瑜 ,  丁璟韬

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供一种社区规划处理方法及装置，涉及人工智能技术领域。包括：根据社区图表示社区用地规划和社区道路规划；根据图神经网络得到节点表征和边表征，根据节点表征和边表征得到社区中的节点表征均值和边表征均值；根据节点表征构建节点策略网络，根据边表征构建边策略网络，根据节点表征均值和边表征均值构建价值网络；根据与所述社区用地规划对应的第一回报函数训练所述节点策略网络、所述边策略网络和所述价值网络，根据与所述社区道路规划对应的第二回报函数训练所述节点策略网络、所述边策略网络和所述价值网络，得到社区规划结果。所述装置执行上述方法。本发明实施例提供的方法及装置，能够提高社区规划效率。

公开(公告)号：CN117217325A

公开(公告)日：2023-12-12

申请号：CN202211508007.5

申请日：2022-11-29

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 易玲玲 ,  李勇 ,  全雨晗 ,  丁璟韬 ,  高宸 ,  李念 ,  金德鹏

IPC: G06N20/00 ,  G06F16/9535 ,  G06N3/08

Abstract: 公开了一种媒体内容推荐模型训练方法和装置。该媒体内容推荐模型训练方法包括：获取多个对象的数据集；对多个交互记录进行分组，使得同一组内媒体内容时长在同一预设范围内；针对每一个交互记录，基于从多个交互记录中采样的第一交互记录构建第一训练样本对；针对每组交互记录中每一个交互记录，基于从该组交互记录中采样的第二交互记录构建第二训练样本对；至少基于第一训练样本对计算第一损失，且至少基于第二训练样本对计算第二损失；基于第一损失和第二损失，确定媒体内容推荐模型的目标损失；基于目标损失，对媒体内容推荐模型的参数进行迭代更新直至满足预设条件。

公开(公告)号：CN109102127B

公开(公告)日：2021-10-26

申请号：CN201811011469.X

申请日：2018-08-31

Applicant: 杭州贝购科技有限公司 ,  清华大学

Inventor： 李勇 ,  郁佳杰 ,  丁璟韬 ,  张良伦 ,  金德鹏

IPC: G06Q10/04 ,  G06Q30/06

Abstract: 本发明实施例提供一种商品推荐方法及装置，包括：获取用户群的购物数据，利用所述购物数据训练基于eALS算法构建的预测模型，获得使所述预测模型达到最优解时的每个用户的用户特征向量以及每个商品的商品特征向量；所述用户特征向量与所述商品特征向量的内积用于表征用户对商品的预测喜好；对于用户群中的任意一个用户，根据该用户的用户特征向量与各商品特征向量的内积，获得该用户对所有商品的预测喜好，根据该用户对所有商品的预测喜好获得该用户的商品推荐列表。本发明实施例在eALS算法中加入用户关注的商品信息的影响，使得构建的预测模型能够更真实的反应用户对商品的喜好程度，从而达到更好的推荐效果。

公开(公告)号：CN110889747A

公开(公告)日：2020-03-17

申请号：CN201911215534.5

申请日：2019-12-02

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 杨建博 ,  李勇 ,  丁璟韬 ,  全雨晗

IPC: G06Q30/06

Abstract: 本发明涉及商品推荐方法、装置、系统、计算机设备及存储介质，属于信息推荐技术领域。该方法包括：获取预先构建的第一样本采集模型；所述第一样本采集模型用于表征曝光商品负样本和初始商品负样本之间的相关性；所述初始商品负样本中包含有未曝光商品负样本；根据所述第一样本采集模型，从所述初始商品负样本中确定目标采样商品负样本；根据所述目标采样商品负样本确定目标推荐商品。上述技术方案，解决了传统商品推荐方法不能得到准确的商品推荐结果的问题。能从包含有未曝光商品负样本的初始商品负样本中选取出代表用户真实负向喜好的负样本，进而得到准确的商品推荐结果。