基于图表示学习实现部分观察敏感属性的反事实公平方法

    公开(公告)号:CN119005306A

    公开(公告)日:2024-11-22

    申请号:CN202410251542.X

    申请日:2024-03-05

    Abstract: 该方法实现了部分观察敏感属性实现反事实公平图表示学习方法。其主要考虑到由于用户隐私偏好差异导致可直接观察的敏感属性存在一定程度缺失情况,无法针对敏感属性缺失的个体数据学习得到正确的反事实公平图表示。为此,我们特意提出该学习方法。我们借用图神经网络中具有相同敏感属性的个体更容易聚集在一起的原理,部署了一个敏感属性估计器,根据缺失敏感属性节点的非敏感属性值以及其邻居节点的特征属性值,用来准确预测缺失敏感属性节点的真实敏感属性值。通过敏感属性估计器的补全操作后,我们就可以得到敏感属性补全后的真实图数据,这样就可以学习得到所有节点的反事实公平图表示。

    一种结合用户兴趣偏好的交互式空间同位模式挖掘方法

    公开(公告)号:CN118709063A

    公开(公告)日:2024-09-27

    申请号:CN202410749084.2

    申请日:2024-06-11

    Inventor: 包旭光 陈志伟

    Abstract: 该方法提出了一种结合用户兴趣偏好的交互式挖掘算法框架。首先,采用一次挖掘算法(如无连接算法)挖掘出初始模式集,利用扩展的语义相似度衡量模式间的相似程度,对初始输入模式集进行聚类处理,其次,基于多样性策略向用户进行初步推荐,帮助用户发现隐藏喜好,然后,结合用户反馈进行个性化聚类:(1)对用户感兴趣的模式集进行预聚类拟合用户的兴趣偏好;(2)结合预聚类结果对整体模式集进行二次聚类调整,并基于最低距离阈值对模式集进行过滤处理。最后,结合用户兴趣偏好构建SDTANI模型,基于二次聚类的结果预测用户的兴趣模式集并进行推荐。避免出现由参与度阈值设置问题导致出现大量无意义、用户不需要的模式集,也可避免用户可能感兴趣的稀有模式被遗漏,导致挖掘效果不佳,用户体验极差等问题。

    一种基于时空同位模式的区域拥堵传播模式挖掘方法

    公开(公告)号:CN118349952A

    公开(公告)日:2024-07-16

    申请号:CN202410330929.4

    申请日:2024-03-22

    Inventor: 包旭光 杨正宇

    Abstract: 该方法基于时空同位模式提出了区域拥堵传播模式的新概念,采用树形结构的算法构建一棵拥堵传播树来存储区域拥堵实例,从而能够从交通数据中挖掘到有意义且有价值的区域拥堵传播模式,并直观展示出城市交通拥堵传播的规律和揭示交通拥堵事件的时空相关性。考虑到城市路网由大量路段组成,准确划分每个拥堵路段是一项具有挑战性的任务。因此,我们选择将城市路网划分为网格区域,以便更有效地进行挖掘。为了提高模式挖掘的效率,我们提出了一个哈希存储结构和一个剪枝压缩策略。哈希结构支持快速访问和更新,有利于高效地计算拥堵参与率和拥堵参与指数。剪枝压缩策略有利于高效地挖掘到频繁的区域拥堵传播模式。为了验证挖掘结果的准确性,我们还在百度地图平台爬取到了首个专门用于区域拥堵传播模式挖掘的真实数据集。

    一种基于协作谈判的多智能体强化学习方法

    公开(公告)号:CN118194905A

    公开(公告)日:2024-06-14

    申请号:CN202410014873.1

    申请日:2024-01-04

    Abstract: 本发明公开了一种基于协作谈判的多智能体强化学习方法,属于多智能体强化学习领域,包括对多智能体环境和策略建模,根据智能体的决策收益和当前环境进行协作谈判,利用谈判器生成最优策略,利用最优策略指导智能体长期协作,做出收益相对公平且促进群体最大化的决策行为。本发明中通过谈判器生成领导者的概率分布,依据概率分布选择出多智能体的领导者,然后其余智能体依据领导者的决策对当前环境进行最优策略选择,能够有效解决多智能体的决策冲突,同时有效减少智能体之间的收益差距,保证多智能体长期协作的公平性,促进了多智能体之间达成长期协作意愿,提高了多智能体系统的稳定性。

    一种购物篮个性化特征建模的推荐方法

    公开(公告)号:CN113836397A

    公开(公告)日:2021-12-24

    申请号:CN202111025959.7

    申请日:2021-09-02

    Abstract: 本发明公开了一种购物篮个性化特征建模的推荐方法,根据历史购物篮事务数据集的特征构成三元组,并将所述三元组映射到特征向量空间,引入不同的关联类型进行计算与关联,最后利用神经网络技术对不同实体之间的低阶特征组合和高阶特征组合进行建模,对目标物品项进行预测,三元组的使用让模型可以从用户历史数据集中捕获更多的关联组合,缓解了购物篮推荐任务中的数据稀疏性问题,同时使得推荐结果具有可靠性和准确性,解决了现有技术中基于购物篮推荐方法推荐精度不高和推荐结果个性化程度低的问题。

Patent Agency Ranking