公开(公告)号：CN115796331B

公开(公告)日：2025-01-24

申请号：CN202211358465.5

申请日：2022-11-01

Applicant: 清华大学

Inventor： 李勇 ,  刘宇 ,  金德鹏

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N5/022

Abstract: 本发明提供一种基于多模态城市知识图谱的城市资源预测方法及系统。该方法包括：获取多源城市时空数据，基于多源城市时空数据进行本体抽象，确定对应城市基本要素的本体集合；基于多源城市时空数据和本体集合进行实体匹配，确定与本体对应的实体对象集合；基于多源城市时空数据和本体集合进行关系构建，确定本体之间的关联关系集合；基于实体对象集合、关联关系集合和多源城市时空数据进行知识融合，获得相应的多模态城市知识图谱。本发明提供的方法，能够基于多源城市时空数据快速匹配融合到城市知识图谱结构中，并确定城市时空数据的语义关系，有效提高了基于多模态城市知识图谱的城市资源预测分析效率和精确度。

公开(公告)号：CN113610552B

公开(公告)日：2024-07-19

申请号：CN202110713356.X

申请日：2021-06-25

Applicant: 清华大学

Inventor： 李勇 ,  张国祯 ,  金德鹏

IPC: G06Q30/0202 ,  G06Q30/0201 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06N5/045

Abstract: 本发明提供一种用户流失预测方法及装置。该方法包括：获取待预测用户的关联关系数据、历史交互数据及个人目标数据；将关联关系数据、历史交互数据及个人目标数据输入到用户流失预测模型中，得到用户流失预测模型输出的未来目标时间段对应的用户流失预测结果；用户流失预测模型是基于样本用户数据、样本用户数据对应的用户流失预测结果及标签用户流失数据训练得到的；用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。采用本发明方法，基于反事实推理建模架构引入用户间相互关系因素，提高了用户流失预测的准确度。

公开(公告)号：CN113379494B

公开(公告)日：2024-05-31

申请号：CN202110648210.1

申请日：2021-06-10

Applicant: 清华大学

Inventor： 高宸 ,  李银峰 ,  李勇 ,  金德鹏

IPC: G06Q30/0601 ,  G06Q50/00 ,  G06F16/9535 ,  G06F16/958 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明提供一种基于异质社交关系的商品推荐方法、装置和电子设备，包括：确定待推荐商品的用户；将用户输入推荐模型，输出所有商品的推荐度；推荐模型是基于样本用户、对应的购买商品标签以及存在社交关系的用户标签进行训练得到的，所述推荐模型训练时的网络结构包括异质社交关系表示超图卷积网络、商品向量表示超图卷积网络、关系向量表示超图卷积网络、用户嵌入表示超图卷积网络和商品用户推荐度计算网络，异质社交关系表示超图卷积网络用于将输入的样本用户结合样本用户存在社交关系的用户标签组成的两用户一商品超边三元组采用向量进行表示；基于推荐度，确定为所述用户推荐的商品。本发明提供的方法提高了商品推荐的有效性。

公开(公告)号：CN110196891B

公开(公告)日：2024-03-15

申请号：CN201811361868.9

申请日：2018-11-15

Applicant: 腾讯大地通途(北京)科技有限公司 ,  腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 李勇 ,  徐丰力 ,  秦震宇 ,  金德鹏 ,  孙福宁 ,  孟凡超

IPC: G06F16/29

Abstract: 本发明公开了一种街区类型的确定方法、装置、存储介质及电子装置。其中，该方法包括：在客户端上获取到第一请求，其中，第一请求用于请求获取目标街区的类型；响应第一请求获取目标街区的类型，其中，目标街区的类型根据街区之间已产生的帐号轨迹数据产生，帐号轨迹数据包括：具有关联关系的帐号、帐号产生的运动轨迹、运动轨迹经过的街区和运动轨迹产生的时间，街区包括目标街区；在客户端上显示目标街区的类型。本发明解决了相关技术对街区类型进行识别的准确性较低的技术问题。

公开(公告)号：CN113658718B

公开(公告)日：2024-02-27

申请号：CN202110961659.3

申请日：2021-08-20

Applicant: 清华大学

Inventor： 李勇 ,  冯涛 ,  夏彤 ,  金德鹏

IPC: G16H50/80 ,  G16H50/30 ,  G06N3/042 ,  G06N3/092 ,  G06N3/045

Abstract: 本发明提供一种个体疫情防控方法及系统，该方法包括：获取目标城市中用户终端个体在预设时间间隔内预设时段的状态信息和地区访问历史记录信息；将状态信息和地区访问历史记录信息输入到训练好的疫情防控模型，获取目标城市中每个用户终端个体的疫情干预动作；其中，训练好的疫情防控模型是根据样本状态信息、样本地区访问历史记录信息和样本干预动作，对图神经网络和强化学习模型进行训练得到的；根据疫情干预动作，获取用户终端个体的疫情干预策略，以对用户终端个体进行干预。本发明通过图神经网络获取用户终端个体间的接触联系，通过强化学习模型获取最优疫情防控策略，提高了疫情防控成效。

公开(公告)号：CN111611472B

公开(公告)日：2024-02-27

申请号：CN202010244341.9

申请日：2020-03-31

Applicant: 清华大学

Inventor： 李勇 ,  常健新 ,  高宸 ,  金德鹏

IPC: G06F16/9535 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06Q30/0601

Abstract: 本发明实施例提供一种基于图卷积神经网络的捆绑推荐方法及系统。该方法包括：获取用户与捆绑历史交互数据、用户与物品历史交互数据和捆绑与物品从属关系数据；再输入至捆绑推荐模型中，得到捆绑推荐模型输出的用户与捆绑交互可能性推荐结果；其中所述捆绑推荐模型通过基于用户数据集合、捆绑数据集合和物品数据集合构建统一异构图，提取物品层级图卷积传播特征和捆绑层级图卷积传播特征之后进行联合预测及特征连接，并基于难负样本学习策略训练所得到的。本发明实施例通过将用户、捆绑和物品之间的交互关系和从属关系重构为图，并利用图神经网络的强大能力从复杂的拓扑结构和高阶连通性中学习三种关联实体表示，能达到更好的推荐性能。

公开(公告)号：CN111681067B

公开(公告)日：2023-10-31

申请号：CN202010306909.5

申请日：2020-04-17

Applicant: 清华大学 ,  杭州贝购科技有限公司

Inventor： 李勇 ,  郑瑜 ,  高宸 ,  金德鹏 ,  徐裕键 ,  郁佳杰 ,  张良伦

IPC: G06Q30/0601 ,  G06N3/042 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明实施例提供一种基于图注意力网络的长尾商品推荐方法及系统，该方法包括：获取待推荐商品交互信息，所述待推荐商品交互信息包括待推荐商品ID信息集合、用户ID信息集合、待推荐商品流行度信息和用户商品交互记录信息，所述待推荐商品流行度信息表示用户与商品之间的交互数量信息；将所述待推荐商品交互信息输入到训练好的商品推荐模型，得到待推荐商品的推荐结果；所述训练好的商品推荐模型是通过图注意力网络构建的，并由标记为负样本的样本商品ID信息和样本用户ID信息训练得到的。本发明实施例基于图注意力网络提升长尾商品的推荐效果，使得向用户推荐的商品中包含更多长尾商品。

公开(公告)号：CN112328911B

公开(公告)日：2023-05-23

申请号：CN202011187249.X

申请日：2020-10-30

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 潘广谋 ,  高宸 ,  李勇 ,  涂贞 ,  高徽 ,  金德鹏

IPC: G06F16/9537

Abstract: 本申请公开了一种地点推荐方法、装置、设备及存储介质，涉及用户兴趣推荐领域。该方法包括：构建用户地点关系图，用户地点关系图中的连接线用于连接结点间的交互关系和辅助关系，辅助关系包括用户间的社交关系和地点间的地理位置关系中的至少一种，地理位置关系包括地点节点在地图中的位置关系；基于用户地点关系图进行向量传播和向量更新得到用户结点的用户表征向量和地点结点的地点表征向量，向量传播和向量更新用于根据结点间的连接线进行向量传播和迭代学习、提取用户地点关系图中的邻接关系；根据目标用户的用户结点与至少两个地点结点的至少两个预测分数输出目标用户的推荐地点。该方法能提高地点推荐的准确度。

公开(公告)号：CN116010695A

公开(公告)日：2023-04-25

申请号：CN202310003626.7

申请日：2023-01-03

Applicant: 清华大学 ,  北京达佳互联信息技术有限公司

Inventor： 李勇 ,  高宸 ,  兰孝翀 ,  朴景华 ,  金德鹏 ,  何浪 ,  李明 ,  宋洋

IPC: G06F16/9535 ,  G06F18/22 ,  G06F18/214

Abstract: 本公开关于一种资源推荐方法、推荐模型训练方法、装置及存储介质，所述方法包括：获取预设对象的预设对象属性、候选多媒体资源的候选资源信息以及预设对象对应的预设位置信息；将预设对象属性、预设位置信息以及候选资源信息输入关联关系确定模型进行位置资源关系确定，得到预设关系确定结果；预设关系确定结果表征针对预设对象的预设对象属性，预设位置信息与候选资源信息是否存在关联关系；根据预设关系确定结果，从预设对象属性、预设位置信息以及候选资源信息中确定待识别数据；将待识别数据输入资源推荐模型进行资源推荐，得到目标推荐结果；目标推荐结果表征向预设对象推荐候选多媒体资源的概率。本公开提高了推荐结果的准确率。

公开(公告)号：CN115909715A

公开(公告)日：2023-04-04

申请号：CN202211153882.6

申请日：2022-09-21

Applicant: 清华大学

Inventor： 颜欢 ,  李勇 ,  王牡丹 ,  侯庆 ,  金德鹏

IPC: G08G1/01 ,  G06F18/23 ,  G06F18/241

Abstract: 本发明提供一种拥堵原因的识别方法、装置、电子设备及存储介质，方法包括：基于Y个交通拥堵事件，提取各交通拥堵事件的特征向量，Y为大于1的整数；将各交通拥堵事件的特征向量中无原因标签的第一特征向量输入至聚类模型，获得聚类模型输出的第一特征向量对应的目标拥堵原因；基于第二特征向量对应的已知拥堵原因和第一特征向量对应的目标拥堵原因，识别当前交通拥堵事件对应的拥堵原因。相较于现有技术依赖人力识别交通拥堵的原因，本发明实施例降低了交通拥堵原因的识别成本，提高了交通拥堵原因的识别效率。