-
公开(公告)号：CN110175656A
公开(公告)日：2019-08-27
申请号：CN201910479120.7
申请日：2019-06-04
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明涉及基于城市群白货流量的提高列车编组效率的城市聚类模型。该城市聚类模型通过聚类算法找出热点区域对，得到白货运量较大的运输区间，从而为铁路列车编组和开行固定班列提供数据支持。首先利用k-means聚类算法，使用经纬度输入算法，可以得到彼此之间距离较近的城市簇；然后从历史数据中取出所有的开行路线并将它们归类到对应的城市簇对中，并可得到城市簇之间的距离和吨数；最后通过一定的条件过滤得到符合要求的城市簇，即可以开行的班列。目前算法设置的距离为大于800千米，吨数大于100万吨，聚类得到的城市簇数量可以手动调节，通过观察得到较好的类别数。
-
公开(公告)号：CN110110122A
公开(公告)日：2019-08-09
申请号：CN201810649234.7
申请日：2018-06-22
Applicant: 北京交通大学
IPC: G06F16/583 , G06F16/58
Abstract: 本发明涉及结合深度学习与哈希方法的图像-文本跨模态检索模型。为了解决传统基于深度学习的跨模态哈希方法在处理多标签数据问题时直接将其转换为单标签问题的局限性，提出了一种基于多层语义的深度跨模态哈希算法。通过多标签数据之间的共现关系定义数据之间的相似度，并以此作为网络训练的监督信息。设计综合考虑多层语义相似度与二值相似度的损失函数，对网络进行训练，使得特征提取和哈希码学习过程统一在一个框架内，实现端到端学习。该算法充分利用数据之间的语义相关性信息，提高了检索准确率。
-
Patent Agency Ranking
公开(公告)号：CN110110220B
公开(公告)日：2021-06-01
申请号：CN201810642787.X
申请日：2018-06-21
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/33 , G06F40/284 , G06F40/289 , G06F40/30 , G06Q30/02 , G06Q50/00
Abstract: 本发明涉及融合社交网络和用户评价的推荐模型。为了反映用户社交关系对用户决策的影响并提高推荐结果的精确度，提出了一种融合社交网络和用户评分评论数据的推荐模型。该模型通过文本处理技术和数据挖掘算法，从评论中提取主题信息作为用户和商家的特征，利用社区发现算法为用户划分社区，最后利用机器学习方法对社区进行建模并进行推荐。该模型既考虑了用户个体的偏好，又包含了社区用户的整体特征，能够给社区用户提供个性化的推荐。
-
公开(公告)号：CN110263257A
公开(公告)日：2019-09-20
申请号：CN201910547320.1
申请日：2019-06-24
Applicant: 北京交通大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。
-
公开(公告)号：CN110110220A
公开(公告)日：2019-08-09
申请号：CN201810642787.X
申请日：2018-06-21
Applicant: 北京交通大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/33 , G06F17/27 , G06Q30/02 , G06Q50/00
Abstract: 本发明涉及融合社交网络和用户评价的推荐模型。为了反映用户社交关系对用户决策的影响并提高推荐结果的精确度，提出了一种融合社交网络和用户评分评论数据的推荐模型。该模型通过文本处理技术和数据挖掘算法，从评论中提取主题信息作为用户和商家的特征，利用社区发现算法为用户划分社区，最后利用机器学习方法对社区进行建模并进行推荐。该模型既考虑了用户个体的偏好，又包含了社区用户的整体特征，能够给社区用户提供个性化的推荐。
-
公开(公告)号：CN110263257B
公开(公告)日：2021-08-17
申请号：CN201910547320.1
申请日：2019-06-24
Applicant: 北京交通大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。
-
公开(公告)号：CN110175656B
公开(公告)日：2021-08-31
申请号：CN201910479120.7
申请日：2019-06-04
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明涉及基于城市群白货流量的提高列车编组效率的城市聚类模型。该城市聚类模型通过聚类算法找出热点区域对，得到白货运量较大的运输区间，从而为铁路列车编组和开行固定班列提供数据支持。首先利用k‑means聚类算法，使用经纬度输入算法，可以得到彼此之间距离较近的城市簇；然后从历史数据中取出所有的开行路线并将它们归类到对应的城市簇对中，并可得到城市簇之间的距离和吨数；最后通过一定的条件过滤得到符合要求的城市簇，即可以开行的班列。目前算法设置的距离为大于800千米，吨数大于100万吨，聚类得到的城市簇数量可以手动调节，通过观察得到较好的类别数。
-
-
-
-
-
-
Search Results
7
records
(took 0.033 seconds)
