-
公开(公告)号:CN109948066A
公开(公告)日:2019-06-28
申请号:CN201910303497.7
申请日:2019-04-16
申请人: 杭州电子科技大学
IPC分类号: G06F16/9535 , G06F16/9536 , G06F16/9537
摘要: 本发明公开了一种基于异构信息网络的兴趣点推荐方法。该方法使用异构信息网络以及元路径来建模基于位置的社交网络中用户的复杂行为语义,并通过矩阵分解和排序学习预测用户偏好。通过本发明方法能够有效挖掘用户行为特征,进而给用户推荐兴趣点,提高基于位置的社交网络服务的体验。
-
公开(公告)号:CN118469774A
公开(公告)日:2024-08-09
申请号:CN202410600389.7
申请日:2024-05-15
申请人: 浙江天正思维信息技术有限公司 , 杭州电子科技大学
IPC分类号: G06Q50/20 , G06F16/9535 , G06F16/735 , G06N5/022 , G06N5/04
摘要: 本发明公开了一种基于注意力机制与知识图谱的课程推荐方法,先收集学习者的学习记录;再构建知识图谱;分析学习者的需求和兴趣;最后进行个性化课程推荐。本发明考虑了复杂的知识点之间的关系,在知识图谱中以注意力机制深入挖掘在同一头节点和同一关系下的不同邻居节点重要性,并通过归一化向量内积的值以深入挖掘学习者对不同头节点和不同关系的注意程度,综合上述两种信息以提供课程推荐的依据,从而改进推荐效果,提升推荐准确率。
-
公开(公告)号:CN118212765A
公开(公告)日:2024-06-18
申请号:CN202311580099.2
申请日:2023-11-24
申请人: 杭州电子科技大学
摘要: 本发明公开了一种基于多尺度线性框架建模时空关联的交通流量预测方法,包括以下步骤:输入历史交通序列;下采样方法和分段采样方法转换历史交通序列为两组子序列;利用DataMLP模块对序列数据进行特征提取;通过SpatialMLP模块建模序列的空间相关性;通过TemporalMLP模块建模序列的时间相关性;通过输出层将嵌入线性投影到多步预测结果。上述技术方案首先是通过下采样和分段采样方法将历史交通序列转换为子序列,有助于在不消除任何标记的情况下捕获全局和局部时间模式,利用DataMLP模块提取子序列中的数据特征,然后利用SpatialMLP模块和TemporalMLP分别捕获空间相关性和时间相关性。最后,通过输出层得到多步预测结果。
-
公开(公告)号:CN118212135A
公开(公告)日:2024-06-18
申请号:CN202410002191.9
申请日:2024-01-02
申请人: 杭州电子科技大学
摘要: 本发明公开了基于多粒度空洞卷积神经网络的图像修复方法,该方法首先将数据集划分为训练集和测试集,并进行预处理,构造待修复图像。其次将训练集中待修复图像输入到编码器,得到特征图Fin。然后将特征图Fin输入到多粒度残差模块,提取图像中的多尺度特征图,级联多个多粒度残差模块构成多粒度特征提取模块,得到特征图Flow。最后将特征图Flow输入到两个通道自适应上采样卷积模块中,再输入到一个卷积模块,得到缺失部分填充完整的图像I,并通过图像级损失及特征级损失进行参数优化。本发明增强了特征提取能力,使得修复后的图像特征更加丰富,并通过自适应像素重排技术提升了填充像素的准确率。
-
公开(公告)号:CN117671943A
公开(公告)日:2024-03-08
申请号:CN202311564862.2
申请日:2023-11-22
申请人: 杭州电子科技大学
IPC分类号: G08G1/01 , G06Q10/04 , G06F18/214
摘要: 本发明公开了一种基于时空间霍克斯过程的交通事件预测方法,包括以下步骤:步骤1、收集所有类型交通事件的历史时空数据;步骤2、建立时空间霍克斯过程模型,该模型能够描述时空数据的相关性和概率强度;步骤3、通过对时空数据进行训练,估计时空间霍克斯过程模型的参数;步骤4、利用经过训练的模型进行交通事件的预测。上述技术方案能够利用时空间霍克斯过程模型,有效解决已有交通事件预测方法面临的问题与挑战,基于时空数据有效捕捉时空相关性并精准预测交通事件的发生。
-
公开(公告)号:CN115775285B
公开(公告)日:2023-09-15
申请号:CN202211583851.4
申请日:2022-12-09
申请人: 杭州滨电信息技术有限公司 , 杭州电子科技大学
摘要: 本发明公开了一种基于优先队列的客户端自适应地图矢量线简化方法及系统。本发明针对现有基于线简化的轨迹压缩方法依赖于人工设置的距离阈值,并且无法提前确定轨迹的压缩率的问题,通过使用优先队列来选择特征点,并且在算法运行过程中不断判断是否达到目标压缩率,减小了为达到目标压缩率而使用不同距离阈值重复压缩过程导致的不必要的计算开销。
-
公开(公告)号:CN115545834B
公开(公告)日:2023-06-23
申请号:CN202211233361.1
申请日:2022-10-10
申请人: 杭州电子科技大学
IPC分类号: G06Q30/0601 , G06F16/2457 , G06N3/042
摘要: 本发明公开了一种基于图神经网络与元数据的个性化服务推荐方法。通过对用户的历史服务交互记录以无向图的方式建模,该图表达了用户与服务的交互行为以及服务与服务、服务与其元数据之间的关系;图神经网络根据当前图中节点之间的连接关系,计算得到每个节点的特征表示向量;再使用线性变换、注意力机制等方法对不同类型的节点各自进行融合计算。本发明从服务、供应商、类别三个角度细化了用户选择服务时的主要动机并将用户的服务偏好发展趋势归纳为长期、短期以及动态三个部分,以应对用户偏好的多变性;元数据的引入丰富了服务的特征表示,能在冷启动以及数据稀疏的情况下,依旧实现关于服务的精确推荐。
-
公开(公告)号:CN116155991A
公开(公告)日:2023-05-23
申请号:CN202310045386.7
申请日:2023-01-30
申请人: 杭州滨电信息技术有限公司 , 杭州电子科技大学
IPC分类号: H04L67/55 , G06F18/20 , G06N3/084 , G06N3/044 , H04L67/567 , H04L41/16 , H04L41/14 , H04L41/142
摘要: 本发明公开了一种基于深度强化学习的联合边缘缓存与推荐方法及系统,该方法首先构建移动节点模型计算用户之间的D2D传输速率、用户偏好和用户间的相似性。其次构建D2D传输模型,计算出传输时长、社会关系以及接触率。然后构建推荐和请求模型和内容服务提供商模型,内容服务提供商通过蜂窝链路将内容传输给用户。再然后构建优化目标函数,预测缺失的评分,并将内容缓存与推荐建模为马尔可夫决策过程。最后完成系统与环境的交互以及参数的更新。本发明获得更准确的评分预测,将联合内容缓存和推荐问题描述为非线性整数规划问题,保证内容缓存和推荐命中率的同时,使代理成本最小化,并帮助智能体获得近似最优解。
-
公开(公告)号:CN114817663B
公开(公告)日:2023-02-17
申请号:CN202210480892.4
申请日:2022-05-05
申请人: 杭州电子科技大学
IPC分类号: G06F16/9035 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于类别感知图神经网络的服务建模与推荐方法,包括以下步骤:步骤1、输入用户的历史服务交互数据;步骤2、读取并处理用户的历史服务交互数据;步骤3、构建异构超图步骤4、通过类别感知超图卷积构建模型,并挖掘服务交互序列中服务和服务类别信息之间的复杂关系;步骤5、模型训练与服务推荐。上述技术方案首先是通过类别感知超图对用户的服务交互序列及对应的类别信息进行有效建模,然后利用图神经网络训练服务的向量表示,从而可以更好地捕捉用户服务交互序列中服务、类别及其之间的联系。其次是使用注意力机制准确提取用户的局部和全局兴趣,进而进行自适应融合得到混合兴趣,为用户提供更加精准的服务推荐。
-
公开(公告)号:CN115098763A
公开(公告)日:2022-09-23
申请号:CN202210479741.7
申请日:2022-05-05
申请人: 杭州电子科技大学
IPC分类号: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于动静态兴趣建模与持续时间感知的序列服务推荐方法,由三个主要步骤组成:动态兴趣挖掘建模、静态兴趣挖掘建模和兴趣融合推荐。在动态兴趣挖掘中,利用时间感知神经霍克斯过程中的时间感知连续长短期记忆网络挖掘用户的动态兴趣,其中通过个性化的时间桶嵌入在服务之间嵌入持续时间信息,并在TCLSTM上添加持续时间门,以利用持续时间协助进行动态兴趣挖掘。在静态兴趣挖掘中,通过设计辅助信息感知的自注意力机制来挖掘静态兴趣,将辅助信息作为自我注意机制的辅助部分,以非侵入性的方式学习更好的注意力分布,从而避免信息过度泛滥的问题,有效挖掘并建模用户的静态兴趣。
-
-
-
-
-
-
-
-
-