一种菜谱推荐方法、系统、存储介质和电子设备

    公开(公告)号:CN113672817B

    公开(公告)日:2022-02-11

    申请号:CN202111225734.6

    申请日:2021-10-21

    发明人: 曾峰 周建东 杜锟

    IPC分类号: G06F16/9535 G06F16/9538

    摘要: 本发明适用于智能菜谱技术领域,提供了一种菜谱推荐方法、系统、存储介质和电子设备,菜谱推荐方法包括如下步骤:获取实际数据中的离群数据,所述离群数据包括离群用户信息数据集、离群用户的菜谱数据集;获取离群相邻用户信息数据集,所述离群相邻用户信息数据集与所述离群用户信息数据集相邻,得到离群相邻用户;将所述离群用户的菜谱数据集推荐给所述离群相邻用户。本发明提供了菜谱推荐方法、系统、存储介质和电子设备能够完善菜谱数据库,便于发现系统问题,并加强了用户使用的满意度。

    一种菜谱推荐方法、系统、存储介质和电子设备

    公开(公告)号:CN113672817A

    公开(公告)日:2021-11-19

    申请号:CN202111225734.6

    申请日:2021-10-21

    发明人: 曾峰 周建东 杜锟

    IPC分类号: G06F16/9535 G06F16/9538

    摘要: 本发明适用于智能菜谱技术领域,提供了一种菜谱推荐方法、系统、存储介质和电子设备,菜谱推荐方法包括如下步骤:获取实际数据中的离群数据,所述离群数据包括离群用户信息数据集、离群用户的菜谱数据集;获取离群相邻用户信息数据集,所述离群相邻用户信息数据集与所述离群用户信息数据集相邻,得到离群相邻用户;将所述离群用户的菜谱数据集推荐给所述离群相邻用户。本发明提供了菜谱推荐方法、系统、存储介质和电子设备能够完善菜谱数据库,便于发现系统问题,并加强了用户使用的满意度。

    一种快递配送智能路线推荐方法、装置、设备及存储介质

    公开(公告)号:CN115115321A

    公开(公告)日:2022-09-27

    申请号:CN202211036894.0

    申请日:2022-08-29

    IPC分类号: G06Q10/08 G06N3/08 G06Q10/04

    摘要: 本发明适用于快递配送路线规划技术领域,提供了一种快递配送智能路线推荐方法、装置、设备及存储介质,方法包括:S1、根据待配送快递的订单信息生成配送图;S2、对所述配送图进行遗传编码,得到初始路线种群,并构建所述初始路线种群的适应度函数;S3、将所述配送图输入预训练的神经网络模型,预测出与所述配送图对应的交通信息;S4、对所述初始路线种群进行遗传操作,并基于所述适应度函数和所述交通信息确定最优配送路线。可以辅助快递员准确地选择最佳的配送路线,从而提高快递配送的效率。

    用户画像确定方法、装置、计算机设备及存储介质

    公开(公告)号:CN111311784A

    公开(公告)日:2020-06-19

    申请号:CN202010141767.1

    申请日:2020-03-04

    IPC分类号: G07C5/08 G06Q30/02

    摘要: 本发明适用于计算机技术领域,提供了一种用户画像确定方法、装置、计算机设备及存储介质,所述用户画像确定方法包括:获取车辆的历史行驶数据;根据所述历史行驶数据确定所述车辆的停车信息;根据所述车辆的停车信息确定用户画像。本发明提供的一种用户画像确定方法通过在获取车辆历史行驶数据后,对历史行驶数据进行处理获取到车辆的停车信息,并利用停车信息进一步构建用户画像,一方面删去了行驶数据中大量且无意义的数据部分,减少了数据存储量以及计算量,另一方面保留了用户停车点等包含重要信息的数据,使得构建出的用户画像更加准确,更方便后续的智能推荐。

    卷积神经网络处理方法、装置、设备、存储介质及模型

    公开(公告)号:CN111401524A

    公开(公告)日:2020-07-10

    申请号:CN202010186435.5

    申请日:2020-03-17

    IPC分类号: G06N3/04 G06N3/08 G06K9/62

    摘要: 本发明适用于计算机技术领域,提供了一种卷积神经网络处理方法、装置、设备、存储介质及模型,所述卷积神经网络处理方法包括:获取待处理图像;基于预设的优化深度可分卷积神经网络模型对所述待处理图像进行处理,生成所述待处理图像的特征输出;所述优化深度可分卷积神经网络模型包含若干层卷积层,且每一层所述卷积层包括预设比例的特征提取卷积核和降参卷积核;特征提取卷积核的大小大于所述降参卷积核的大小;每一层所述卷积层包括的特征提取卷积核和降参卷积核的排序不同。本发明提供的卷积神经网络处理方法在能够保证图像特征提取鲁棒性的同时,能够进一步降低图像处理过程以及模型训练过程中的运算量,减少模型参数,降低模型内存占用。