公开(公告)号：CN118522155B

公开(公告)日：2024-09-20

申请号：CN202410985573.8

申请日：2024-07-23

申请人： 烟台大学 ,  山东汉鑫科技股份有限公司 ,  东方电子股份有限公司

发明人： 马文明 ,  初子皓 ,  童向荣 ,  张兴林 ,  王良 ,  王莹洁 ,  王鹏

IPC分类号： G08G1/01 ,  G06Q10/04 ,  G06F17/13 ,  G06N3/0464

摘要： 本发明属于数据预测技术领域，涉及一种基于自适应的交通流量预测方法、系统、装置、存储介质。将空间邻接矩阵和交通语义邻接矩阵结合用于进行交通流量预测，通过融合空间和时间两个维度的信息，采用多核时态动态扩展卷积和自适应决策网络等技术手段，使得预测模型能够更加灵活地适应不同交通数据的复杂程度和变化模式，进一步提高了预测的实用性和适应性。不仅提高了交通流量预测的准确性，能够准确预测特定时刻的交通流量，分析交通流量的空间分布和时间变化规律，还显著降低了预测误差，能够为交通规划和路况优化提供了更深层次的数据支持。

公开(公告)号：CN118522155A

公开(公告)日：2024-08-20

申请号：CN202410985573.8

申请日：2024-07-23

申请人： 烟台大学 ,  山东汉鑫科技股份有限公司 ,  东方电子股份有限公司

发明人： 马文明 ,  初子皓 ,  童向荣 ,  张兴林 ,  王良 ,  王莹洁 ,  王鹏

IPC分类号： G08G1/01 ,  G06Q10/04 ,  G06F17/13 ,  G06N3/0464

摘要： 本发明属于数据预测技术领域，涉及一种基于自适应的交通流量预测方法、系统、装置、存储介质。将空间邻接矩阵和交通语义邻接矩阵结合用于进行交通流量预测，通过融合空间和时间两个维度的信息，采用多核时态动态扩展卷积和自适应决策网络等技术手段，使得预测模型能够更加灵活地适应不同交通数据的复杂程度和变化模式，进一步提高了预测的实用性和适应性。不仅提高了交通流量预测的准确性，能够准确预测特定时刻的交通流量，分析交通流量的空间分布和时间变化规律，还显著降低了预测误差，能够为交通规划和路况优化提供了更深层次的数据支持。

公开(公告)号：CN118864067A

公开(公告)日：2024-10-29

申请号：CN202411337158.8

申请日：2024-09-25

申请人： 烟台大学

发明人： 马文明 ,  李明琪 ,  童向荣 ,  张兴林 ,  王良 ,  刘兆伟 ,  解景阳 ,  王鹏 ,  宋永超

IPC分类号： G06Q30/0601 ,  G06F17/16

摘要： 本发明基于乘客偏好融合的无人驾驶车型推荐方法、系统和设备，从乘客和无人驾驶车交互信息中提取目标乘客与无人驾驶车车型的交互数据以及一些辅助信息，精准捕捉乘客的真实偏好和需求，推荐结果的高度个性化和精准化，分析乘客的不同偏好的特征；设定推荐值阈值，当推荐值达到或超过推荐值阈值时，将目标无人驾驶车车型推荐给目标乘客。该方法通过乘客和无人驾驶车辆的多视角偏好融合，实现了对无人驾驶车型的精准推荐，提高了无人驾驶车型推荐的准确度，增强乘客的体验感。

公开(公告)号：CN118797356A

公开(公告)日：2024-10-18

申请号：CN202411288152.6

申请日：2024-09-14

申请人： 烟台大学

发明人： 童向荣 ,  孟子涵 ,  王莹洁 ,  张强 ,  童兰昕 ,  张兴林 ,  王良

IPC分类号： G06F18/214 ,  G06F18/20 ,  G06F18/213 ,  G06N5/025 ,  G06N5/02 ,  G06N5/04 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/092 ,  G06F123/02

摘要： 本发明涉及强化学习和序列推荐技术领域，尤其是涉及一种基于双重状态增强的强化学习序列推荐方法及系统。所述方法，包括获取项目的知识图谱数据并按照时间戳对知识图谱数据进行排序，得到交互序列；根据交互序列和项目分布构建序列增强模型，包括构建序列增强层、构建知识感知增强层和构建奖励层；利用构建完成的序列增强模型结合双重状态增强机制，将序列增强模型的输出输入至马尔可夫决策框架，通过状态转移概率来更新模型状态；对序列增强模型进行模型训练，根据训练完成的序列增强模型，对用户进行实时推荐。本发明能够更好地捕捉序列中的全局和局部上下文信息，丰富状态表示，缓解状态空间稀疏问题。

公开(公告)号：CN118861434A

公开(公告)日：2024-10-29

申请号：CN202411345344.6

申请日：2024-09-26

申请人： 烟台大学

发明人： 马文明 ,  陈浩 ,  童向荣 ,  程翔 ,  张兴林 ,  王良 ,  刘兆伟 ,  王鹏 ,  宋永超

IPC分类号： G06F16/9535 ,  G06Q30/0601 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0895

摘要： 本发明涉及数据预测推荐技术领域，尤其是涉及一种基于嵌入噪声和深浅层对比的物品推荐方法及系统。方法，包括获取目标用户的用户信息和项目信息；对获取的用户信息和项目信息进行矩阵分解，得到用户矩阵和项目矩阵，作为对比学习浅层信息；对用户矩阵和项目矩阵进行图神经网络前向传播操作，得到用户‑项目交互信息和项目‑用户交互信息，作为对比学习深层信息；将对比学习浅层信息和对比学习深层信息进行融合得到用户综合信息和项目综合信息；本发明通过基于矩阵分解的对比学习浅层部分，保留用户与项目交互的全局信息，弱化局部信息，从而保留反应用户对项目需求的全局辅助信息。

公开(公告)号：CN118521380A

公开(公告)日：2024-08-20

申请号：CN202410700152.6

申请日：2024-05-31

申请人： 烟台大学

发明人： 童向荣 ,  李鹏琨 ,  王莹洁 ,  张兴林 ,  王良 ,  童兰昕 ,  张强

IPC分类号： G06Q30/0601 ,  G06Q30/0242 ,  G06N3/0985

摘要： 本发明提出了基于无偏数据和元学习的推荐系统转化率预测方法及系统，涉及推荐系统转化率预测技术领域。包括获取有偏数据集和无偏数据集；对UMEDR模型进行训练：使用无偏数据集对填充预测模型、倾向预测模型进行训练，并分别得到无偏的填充误差和用户倾向；基于有偏数据集、无偏的填充误差和用户倾向，使用元学习方法，对转化率预测模型进行训练；基于训练好的转化率预测模型，实现推荐系统中用户点击物品后进行消费的转化率预测。本发明通过无偏数据集辅助倾向预测模型和填充预测模型去偏参数的训练，提高倾向预测模型和填充预测模型的预测精度，使用元学习方法对模型进行训练，缓解了由于数据稀疏而导致的模型预测精度差的问题。