-
公开(公告)号：CN118195341A
公开(公告)日：2024-06-14
申请号：CN202410173825.7
申请日：2024-02-07
申请人： 清华大学
IPC分类号： G06Q10/0637 , G06Q50/26 , G06N3/045 , G06N3/08
摘要： 本发明提供了一种基于路网和出行需求数据的地区碳排放量预测方法和装置，所述方法包括：通过预先构建的多层级碳排放量预测模型，根据出行需求数据、路网原始图和路网对偶图，对目标地区进行碳排放量预测，生成碳排放量预测值，多层级碳排放量预测模型是基于训练地区的训练道路网络和出行历史数据对图注意力卷积层和多层感知机训练构建的，将数据驱动自动化进行数据关联分析和模式挖掘的方法应用于探索交通需求和路网共同对地区碳排放量的影响，降低数据收集费用，节约成本；挖掘地区碳排放量与路网、交通出行需求之间的关系，综合多种影响因素进行地区碳排放量的准确预测，提高预测结果的可靠性，从而为后续减碳决策提供有效数据基础。
-
公开(公告)号：CN118139097A
公开(公告)日：2024-06-04
申请号：CN202410203956.5
申请日：2024-02-23
申请人： 清华大学
摘要： 本发明提供一种城市群体移动流量网络生成方法和装置，所述方法包括：获取预存的目标城市的城市属性数据；将所述城市属性数据输入预先训练的拓扑扩散模型，以得到所述拓扑扩散模型输出的所述目标城市的群体移动流量网络的拓扑结构；将所述拓扑结构输入预先训练的流量扩散模型，以得到所述流量扩散模型输出的所述目标城市的群体移动流量网络矩阵；所述拓扑扩散模型的去噪网络的网络参数与所述流量扩散模型的去噪网络的网络参数是采用协同训练算法生成的。解决了现有技术中城市移动流量网络生成缺乏整体特性，数据成本较高，普适性较差的缺陷，实现了所生成的城市移动流量网络对整体特性的展示。
-
公开(公告)号：CN117992916A
公开(公告)日：2024-05-07
申请号：CN202410151786.0
申请日：2024-02-02
申请人： 清华大学
IPC分类号： G06F18/25 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/20 , G06N3/0455 , G06N3/08
摘要： 本发明提供一种人体移动轨迹恢复方法和装置，其中的方法包括：获取目标人体的个体当前轨迹；将目标人体的个体当前轨迹输入预先训练的轨迹扩散模型中，以得到目标人体的恢复轨迹；其中，轨迹扩散模型是利用样本的轨迹移动特征和样本的当前轨迹进行训练得到的，样本的轨迹移动特征是利用样本的群体当前轨迹中的移动特征、个人历史轨迹的移动特征和群体历史轨迹的移动特征进行融合得到的。该方法使得目标人体能够在移动规律指导下恢复轨迹，充分利用个体轨迹捕捉历史周期性和利用群体轨迹捕捉移动趋势性，达到更好的轨迹恢复效果，进而解决了现有技术中人体移动轨迹恢复的准确性较差，所恢复的轨迹与真实轨迹具有较大偏差的问题。
-
公开(公告)号：CN107888605A
公开(公告)日：2018-04-06
申请号：CN201711205653.3
申请日：2017-11-27
申请人： 国家计算机网络与信息安全管理中心 , 清华大学
摘要： 本发明提供一种物联网云平台流量安全分析方法和系统，其中，所述方法包括：S1，分别从蜂窝网络流量和固网流量中提取物联网流量；所述物联网包括服务器和设备；S2，从所述物联网流量中提取服务器侧信息和设备侧信息；S3，根据所述服务器侧信息对所述服务器进行安全分析；根据所述设备侧信息对所述设备进行安全分析。本发明提供的一种物联网云平台流量安全分析方法和系统，通过大量分析物联网设备和服务器之间的通信数据，完成统一的物联网云平台流量安全分析，定位了物联网各平台潜在的安全风险，提高了物联网的安全性能。
-
公开(公告)号：CN118378734A
公开(公告)日：2024-07-23
申请号：CN202410214203.4
申请日：2024-02-27
申请人： 清华大学
IPC分类号： G06Q10/04 , G06F18/10 , G06F18/214 , G06N3/08 , G06F17/18
摘要： 本发明提供一种基于深度学习的时空事件预测方法和装置，包括：获取历史时空事件序列，将所述历史时空事件序列包括的预设数量个历史时空事件依次输入至预先构建的时空自注意力模块，得到隐藏层表征；将所述隐藏层表征输入至预先训练的时空去噪扩散模型，得到目标预测事件；其中，所述时空去噪扩散模型是基于深度神经网络，根据预先构建的共注意力机制利用海量历史时空事件样本进行训练得到的。本发明利用去噪扩散概率建模，能够有效地学习时空点过程的联合分布，适用于各种不同领域的时空点过程，实现扩展性更强、应用范围不受限的时空事件预测。
-
公开(公告)号：CN110889747B
公开(公告)日：2023-05-09
申请号：CN201911215534.5
申请日：2019-12-02
申请人： 腾讯科技(深圳)有限公司 , 清华大学
IPC分类号： G06Q30/0601
摘要： 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。
-
公开(公告)号：CN110858374B
公开(公告)日：2022-07-08
申请号：CN201810961395.X
申请日：2018-08-22
申请人： 清华大学
IPC分类号： G06Q30/06
摘要： 本发明提供一种BPR中样本空间缩小方法及装置，所述方法包括：对于目标购物系统中的任一用户，根据该用户购买过的商品获取该用户对应的负采样比例系数，将所述目标购物系统的商品全集中除该用户购买过的商品以外的商品作为负样本候选集；根据该用户对应的负采样比例系数和负样本候选集，获取该用户对应的负样本空间。本发明缩小负样本空间，在保证推荐性能的基础上基于缩小的负样本空间进行商品推荐，提高了商品推荐的效率。
-
公开(公告)号：CN109087178B
公开(公告)日：2021-05-18
申请号：CN201810989667.7
申请日：2018-08-28
申请人： 清华大学
摘要： 本发明实施例提供一种商品推荐方法和装置。其中，方法包括：获取用户的编号，将所述用户的编号输入预设的贝叶斯个性化排序模型，根据预设的贝叶斯个性化排序模型的输出，获取该用户对商品的预测喜好；根据该用户对商品的预测喜好，获取该用户的推荐商品列表。本发明实施例提供的商品推荐方法和装置，利用用户的辅助反馈数据，基于传统贝叶斯个性化排序模型获取用户对商品的预测喜好，从而获得用户的推荐商品列表，能更加精准地建模用户喜好，有效利用用户的辅助反馈数据，能够实现推荐结果的精准度的大幅度提升。
-
公开(公告)号：CN111008858A
公开(公告)日：2020-04-14
申请号：CN201911019618.1
申请日：2019-10-24
申请人： 清华大学 , 杭州微拓科技有限公司
摘要： 本发明实施例提供一种商品销量预测方法及系统，包括：获取目标商品在预设历史时间段的销量序列和所有类似商品在预设历史时间段内的销量序列；获取相同特征商品促销活动序列的归一化销量；将目标商品在预设历史时间段的销量序列、所有类似商品在预设历史时间段的销量序列和相同特征商品促销活动序列的归一化销量输入到卷积层中，获取特征空间向量；将目标商品的静态特征、在预设历史时间段内的销量序列、平台爆发销量序列、商品爆发销量序列和特征空间向量进行拼接，将拼接之后的特征输入全连接层，获取目标商品在预测未来时间段内的销量。本发明实施例有效利用未来时间内平台的促销活动及商品的特卖排期信息，大幅提升预估准确度。
-
公开(公告)号：CN110858374A
公开(公告)日：2020-03-03
申请号：CN201810961395.X
申请日：2018-08-22
申请人： 清华大学
IPC分类号： G06Q30/06
摘要： 本发明提供一种BPR中样本空间缩小方法及装置，所述方法包括：对于目标购物系统中的任一用户，根据该用户购买过的商品获取该用户对应的负采样比例系数，将所述目标购物系统的商品全集中除该用户购买过的商品以外的商品作为负样本候选集；根据该用户对应的负采样比例系数和负样本候选集，获取该用户对应的负样本空间。本发明缩小负样本空间，在保证推荐性能的基础上基于缩小的负样本空间进行商品推荐，提高了商品推荐的效率。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.025 秒)
