-
公开(公告)号：CN117455082A
公开(公告)日：2024-01-26
申请号：CN202311111452.2
申请日：2023-08-30
申请人： 西安理工大学
IPC分类号： G06Q10/047 , G06F16/9535 , G06F16/9536 , G06N3/0455 , G06N3/042 , G06N3/0464
摘要： 本发明公开的基于增强超图网络的兴趣点驱动旅游路线生成方法，通过多个角度为每条历史旅行路线构建超图，并整合多种辅助信息，以提高路线规划的精准性和智能化程度。首先，采用增强超图网络来构建旅游路线的超图以处理更复杂的节点之间关系，从而更准确地表达旅游路线中兴趣点的相关性和重要性。其次，为了捕捉旅游者的意图，将超图划分为特定意图的子超图，这种划分能够有效地识别和表示用户的意图，并通过兴趣点的概率分布来预测下一个可能的兴趣点。最终，引入波束搜索策略，通过使用兴趣点概率驱动路线生成决策过程，生成满足用户多个约束条件的个性化旅游候选路线。
-
公开(公告)号：CN116955847A
公开(公告)日：2023-10-27
申请号：CN202310919421.3
申请日：2023-07-25
申请人： 西安理工大学
IPC分类号： G06F16/9536 , G06Q50/00
摘要： 本发明公开的基于图注意力网络和Transformer的POI推荐方法及系统，通过对用户和POI单独进行分析，分别获取用户之间的社交关系特征和POI之间的内在关系特征，并且根据目标用户的历史签到序列，捕获其签到序列中的序列特征和偏好特征，最终将上述一系列特征进行融合，并且经过预测层输入最终的推荐列表，得到排名前N的POI；本发明解决了现有POI推荐任务中POI和用户的表征不够准确的问题，能够显著改善下一个POI推荐任务的准确度。
-
公开(公告)号：CN117112891A
公开(公告)日：2023-11-24
申请号：CN202310920265.2
申请日：2023-07-25
申请人： 西安理工大学
IPC分类号： G06F16/9535 , G06Q30/0601 , G06Q50/14 , G06N3/0442 , G06N3/08
摘要： 本发明公开的面向用户多重操作行为的序列推荐方法，包括通过序列学习模型学习旅游产品序列和操作序列嵌入，串联得到用户历史浏览序列嵌入；基于用户历史浏览序列嵌入从长期兴趣和最近兴趣两个角度捕获用户兴趣，并将两种兴趣进行融合得到用户兴趣表示；根据用户兴趣表示和候选旅游产品，预测用户下一个交互的旅游产品。本发明的面向用户多重操作行为的序列推荐方法，能够更好地理解用户的需求和偏好，为用户提供更贴合其个人兴趣的推荐结果。
-
公开(公告)号：CN117076739A
公开(公告)日：2023-11-17
申请号：CN202310955728.9
申请日：2023-07-31
申请人： 西安理工大学
IPC分类号： G06F16/906 , G06Q50/20 , G06N5/02 , G06F16/9035
摘要： 本发明公开的基于神经协同过滤和认知水平诊断的学习路径推荐方法，包括：获取学习者信息；根据学习者信息对学习者画像进行建模，得到学习者特征向量；根据知识图谱构建知识点特征向量；将学习者特征向量和知识点特征向量输入到神经协同过滤网络中，得到学习者对于所应掌握知识点的显隐性薄弱知识点集；将显隐性薄弱知识点集输入到认知水平诊断模型中，由认知水平诊断模型对知识点进行排序、组合、拆解，并输出最终的个性化学习路径推荐列表。本发明的基于神经协同过滤和认知水平诊断的学习路径推荐方法，能够更好地适应学习者的认知水平和学习特点，并实现实时性和鲁棒性的提升。
-
-
-
搜索结果
5 条记录 (耗时 0.023 秒)
