公开(公告)号：CN113158038B

公开(公告)日：2022-06-14

申请号：CN202110362907.2

申请日：2021-04-02

Applicant: 上海交通大学

Inventor： 江浩 ,  欧俊杰 ,  王孝诚 ,  金海明 ,  刘艺娟 ,  黄建强 ,  王新兵

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于STA‑TCN神经网络框架的兴趣点推荐方法，包括如下步骤：步骤S1：将用户签到序列的数据进行预处理，过滤不活跃用户和不活跃兴趣点；步骤S2：预处理之后的数据转化为高维的嵌入向量序列；步骤S3：利用神经网络学习嵌入向量序列的顺序过渡相关性，输出得到包含顺序过渡相关性信息的结果向量；步骤S4：对包含顺序过渡相关性信息的结果向量利用时空自注意力机制学习全局时空相关性，输出最终的表示向量；步骤S5：根据最终的表示向量得出兴趣点推荐结果。本发明还提供了一种STA‑TCN神经网络框架的兴趣点推荐系统，本发明使用ST‑Attention将时间信息和空间信息融入到Attention机制中，这将极大促进模型学习兴趣点之间的多种相关性。

公开(公告)号：CN113158038A

公开(公告)日：2021-07-23

申请号：CN202110362907.2

申请日：2021-04-02

Applicant: 上海交通大学

Inventor： 江浩 ,  欧俊杰 ,  王孝诚 ,  金海明 ,  刘艺娟 ,  黄建强 ,  王新兵

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于STA‑TCN神经网络框架的兴趣点推荐方法，包括如下步骤：步骤S1：将用户签到序列的数据进行预处理，过滤不活跃用户和不活跃兴趣点；步骤S2：预处理之后的数据转化为高维的嵌入向量序列；步骤S3：利用神经网络学习嵌入向量序列的顺序过渡相关性，输出得到包含顺序过渡相关性信息的结果向量；步骤S4：对包含顺序过渡相关性信息的结果向量利用时空自注意力机制学习全局时空相关性，输出最终的表示向量；步骤S5：根据最终的表示向量得出兴趣点推荐结果。本发明还提供了一种STA‑TCN神经网络框架的兴趣点推荐系统，本发明使用ST‑Attention将时间信息和空间信息融入到Attention机制中，这将极大促进模型学习兴趣点之间的多种相关性。

公开(公告)号：CN112990555A

公开(公告)日：2021-06-18

申请号：CN202110205756.X

申请日：2021-02-24

Applicant: 上海交通大学

Inventor： 欧俊杰 ,  孙嘉徽 ,  朱一晨 ,  金海明 ,  刘艺娟 ,  黄建强 ,  王新兵

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/30 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于时空并行栅格神经网络的地铁人流量预测方法及系统，包括：提出一种栅格神经网络来学习地铁人流量的时间关系，捕捉地铁人流量短期时间相关性；进一步捕捉地铁人流量的长期时间相关性；通过基于转移流量的指标来度量地铁站间的空间相关性，并基于这种指标将地铁系统建模成加权有向图；基于地铁加权有向图的构建，将传播图神经网络与栅格神经网络组合，学习地铁人流量的动态空间相关性；并行执行长短期时间相关性和动态空间相关性的学习过程，并融合两者的结果得到最终的地铁人流量预测结果。本发明采用了一种时空并行学习的框架，它能够有效地学习到地铁人流量的长短期时间相关性和动态空间相关性，并将所学知识应用于预测。