-
公开(公告)号：CN105069094A
公开(公告)日：2015-11-18
申请号：CN201510477123.9
申请日：2015-08-06
Applicant: 苏州大学
IPC: G06F17/30
CPC classification number: G06F17/30613 , G06F17/30675
Abstract: 本发明公开了一种基于语义理解的空间关键字索引方法，包括：构建空间文本对象的索引结构；初始化索引结构中的优先队列；读出所述优先队列中的第一个索引节点；当第一个索引节点是为非叶节点时：读取索引结构，得到第一个索引节点的子节点集合；按照与查询点综合距离下界距离升序的方式，将子节点集合插入所述优先队列；当第一个索引节点为叶节点时：访问叶节点对应的语义层和文本层，得到语义候选空间文本对象集合和文本候选空间文本对象集合；更新文本候选空间文本对象集合的结果上界；当结果上界小于综合距离下界或所述优先队列为空时，结束查询。本发明能够根据文本的语义理解对空间关键词进行索引，使得索引的结果更加的准确。
-
公开(公告)号：CN104949682A
公开(公告)日：2015-09-30
申请号：CN201510274196.8
申请日：2015-05-26
Applicant: 苏州大学
IPC: G01C21/34
CPC classification number: G01C21/34 , G01C21/3446
Abstract: 本申请提供了一种在路网中进行路径规划的方法及系统，该方法包括：在预先设置有活动点评分的路网中确定用户的起点和终点；根据用户需求在所述起点和所述终点之间筛选出候选查询空间；在所述候选查询空间中筛选出路径长度低于阈值。该方法通过充分考虑用户的服务需求，而且在复杂的路网环境下快捷地提供给用户一条既满足用户服务需求又便捷的路径。
-
公开(公告)号：CN111506814B
公开(公告)日：2023-11-28
申请号：CN202010273754.X
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/9535 , G06F17/16 , G06N3/08
Abstract: 本申请公开了一种基于变分自注意力网络的序列推荐方法，该方法将变分自编码器引入自注意力网络以捕获用户的潜在偏好，一方面通过变分推断将获得的自注意力向量表示为密度，其方差可以很好地表征用户偏好的不确定性，另一方面采用自注意力网络来学习变分自编码器的推理过程和生成过程，使其可以很好地捕获长期和短期依赖，能够更好捕获用户偏好的不确定性和动态性，提升了推荐结果的准确性。此外，本申请还提供了一种基于变分自注意力网络的序列推荐装置及设备，其技术效果与上述方法的技术效果相对应。
-
公开(公告)号：CN111626827B
公开(公告)日：2023-06-13
申请号：CN202010470866.4
申请日：2020-05-28
Applicant: 苏州大学
IPC: G06Q30/0601 , G06N3/08
Abstract: 本申请公开了一种基于序列推荐模型的物品推荐方法，包括：利用用户与物品的历史交互序列基于深度神经网络训练出包括自动特征交互层、特征层面自注意力层以及物品层面自注意力层的序列推荐模型；获取目标用户信息，并将目标用户信息输入至序列推荐模型中，确定出对应的目标推荐物品。相较于现有技术中仅仅利用包括特征层面自注意力层和物品层面自注意力层的序列推荐模型进行物品推荐的方式，本方法训练出的序列推荐模型，能够进一步利用自动特征交互层学习物品的高阶交互特征，因此能够更加准确地进行物品推荐。本申请还公开了一种基于序列推荐模型的物品推荐装置、设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN110119479B
公开(公告)日：2023-05-02
申请号：CN201910409277.2
申请日：2019-05-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/958 , G06Q10/06 , G06Q10/04 , G06Q30/02 , G06Q50/12 , G06N3/04
Abstract: 本发明公开了一种餐馆推荐方法，该方法包括：获取用户对餐馆的历史评分数据，并利用历史评分数据构建用户餐馆评分矩阵；获取各个待选餐馆的美食图片，利用评分预测模型提取美食图片的视觉特征；其中，视觉特征包括CNN特征和美学特征；利用评分预测模型将用户餐馆评分矩阵中未评分餐馆对应的视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；利用用户餐馆预测评分矩阵向用户推荐感兴趣餐馆。本方法通过结合美食图像的美学特征中隐含的用户偏好和餐馆内容，可向用户推荐满足用户偏好的餐馆，使得餐馆推荐准确率更佳，可提升用户体验。本发明还公开了一种餐馆推荐装置、设备及可读存储介质，具有相应的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN108959429B
公开(公告)日：2022-09-09
申请号：CN201810595626.X
申请日：2018-06-11
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本申请公开了一种融合视觉特征端对端训练的电影推荐的方法，包括：接收输入的用户评分矩阵，并初始化用户特征矩阵及电影特征矩阵，然后结合视觉特征矩阵建立初始模型；利用初始模型进行端对端训练得到用户评分预测矩阵，根据该用户评分预测矩阵为各用户推荐电影。本申请将海报和关键帧等视觉特征的学习和推荐模型融合到一个统一的框架并进行端对端的训练，学习到的视觉特征不仅仅具有较高的表达能力和可分类能力，得到的用户评分预测矩阵能够充分反映用户对视觉特征的偏好，为用户推荐的电影也能够更加符合用户喜好。本申请同时还提供了一种融合视觉特征端对端训练的电影推荐的系统、服务器及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN107436950B
公开(公告)日：2020-12-29
申请号：CN201710666777.5
申请日：2017-08-07
Applicant: 苏州大学
IPC: G06F16/9536 , G06F16/9537 , G06Q50/14
Abstract: 本发明实施例公开了一种旅行路线推荐方法及系统，包括获取用户的历史访问记录，并依据历史访问记录得到历史访问信息；采用预先建立的协同过滤模型对历史访问信息进行处理，得出与用户对应的各个兴趣点及各个兴趣点的兴趣值；获取各个兴趣点的流行度；依据约束条件及目标函数对各个兴趣点的流行度及各个兴趣点的兴趣值进行处理，得到具有最大兴趣值的兴趣点序列。本发明实施例在使用的过程中提高了所推荐的兴趣点的准确度及旅行路线的准确性，还可以使所推荐的旅行路线个性化，进一步增加了用户体验。
-
公开(公告)号：CN108648457A
公开(公告)日：2018-10-12
申请号：CN201810690697.8
申请日：2018-06-28
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种速度预测的方法、装置和计算机可读存储介质，依据预设时间段内的轨迹数据，计算出目标路网的初始速度向量；利用预先训练好的基于路网的卷积神经网络，对初始速度向量和邻接路段矩阵进行卷积处理，得到相应的特征矩阵；其中，特征矩阵中包括有每个路段各自对应的特征向量；将每个特征向量转化成时间序列，并利用预先训练好的长短期记忆网络，对时间序列进行处理，得到目标路网对应的目标速度矩阵。由于特征向量是在考虑了路网拓扑结构情况下得到的向量，有效避免了错误的空间动态演化特征对其精度的影响。使得根据该特征向量预测出的目标速度向量更加准确，有效提升了速度预测的精度。
-
公开(公告)号：CN106096602A
公开(公告)日：2016-11-09
申请号：CN201610445168.2
申请日：2016-06-21
Applicant: 苏州大学
CPC classification number: G06K9/2054 , G06K9/3258 , G06K9/6269 , G06K2209/01
Abstract: 本发明公开了一种基于卷积神经网络的中文车牌识别方法，S1：车牌定位，将颜色模板匹配算法和轮廓查找算法相结合，定位出车牌；S2：字符分割，将灰度化后的车牌矩形块，二值化、闭操作、取轮廓后，可以得到外接矩形，从而截取出字符图块；S3：卷积神经网络的设计和训练，其中，卷积神经网络设置为10层结构；S4：字符识别，使用S3中预先训练好的卷积神经网络，作为分类器，将要识别的字符输入，得到分类结果和其置信率。通过上述方式，本发明提供的基于卷积神经网络的中文车牌识别方法，具有准确率极高、普适性极强、处理时间很短等优点，在现代智能交通系统、停车场管理、高速公路收费站等场景上有着广泛的应用前景。
-
公开(公告)号：CN105404675A
公开(公告)日：2016-03-16
申请号：CN201510810908.3
申请日：2015-11-20
Applicant: 苏州大学
IPC: G06F17/30
CPC classification number: G06F16/33 , G06F16/322
Abstract: 本申请提供了一种Ranked反k近邻空间文本数据查询方法，结合倒排索引和空间索引树R-treed，即：文本上利用倒排索引，查找包含查询关键字的候选数据，在空间上利用R-tree进行计算空间影响度，依据空间影响度的大小，对候选数据进行排序，并依据空间影响度的排序，将排序在前或在后的预设数量的候选数据确定为目标数据。本实施例利用倒排索引及R-tree树形索引分别进行文本及空间剪枝，减少了查询所用的数据，提高了查询目标数据的效率，且可以查询获得预设数量的目标数据。本申请还提供了Ranked反近邻空间关键字查询装置。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.023 seconds)
