-
公开(公告)号：CN104850649B
公开(公告)日：2018-06-19
申请号：CN201510287900.3
申请日：2015-05-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
IPC: G06F17/30
Abstract: 本申请提供了一种在地图上进行兴趣点采样的方法及系统，该方法包括：根据路网信息对待采样区域进行预处理得到一个初始区域；搜索初始区域内的兴趣点数量；根据初始区域内的兴趣点数量判断初始区域是否为可用区域；若初始区域内的兴趣点数量小于阈值，则为可用区域，否则将初始区域分割，直至获取可用区域；根据可用区域内的兴趣点数量估算采样区域内的兴趣点数量。该方法通过先把初始的大区域分割成多个区域，然后再选取某一个区域根据路网信息进行迭代分割，直到出现一个可用区域，该预处理过程利用离线路网信息，无需在线提交查询，在很大程度上减少查询次数，实现大区域查询的高效性和准确性。
-
公开(公告)号：CN109359140B
公开(公告)日：2022-09-09
申请号：CN201811457857.0
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于自适应注意力的序列推荐方法，该方法包括：在预先训练获得的自适应注意力感知GRU网络的输入层确定输入自适应注意力；将输入自适应注意力作用于历史交互项目序列中，获得输入序列；基于历史交互项目序列和输入序列的结合，获得输入层输出结果；在隐藏状态层确定隐藏自适应注意力，将隐藏自适应注意力作用于输入层输出结果中，获得隐藏状态序列；进而获得隐藏状态层输出结果；在自适应注意力感知GRU网络的输出层根据隐藏状态层输出结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，提高了推荐性能。本发明还公开了一种基于自适应注意力的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN110097433B
公开(公告)日：2022-05-17
申请号：CN201910399853.X
申请日：2019-05-14
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自适应注意力机制的推荐方法、装置、设备及计算机可读存储介质；本方案中，基于自适应注意力机制分别获得当前购物车的短期偏好向量和各个历史购物车向量间的长期偏好向量，根据短期偏好向量和长期偏好向量，分别能反应用户的短期偏好的多样性及长期偏好的多样性，最后将这两者的结合输入到循环神经网络LSTM中，来更好的学习用户的序列行为，从而为用户准确的推荐兴趣的商品。
-
公开(公告)号：CN109829775B
公开(公告)日：2022-05-17
申请号：CN201811467071.7
申请日：2018-12-03
Applicant: 苏州大学
IPC: G06Q30/06 , G06F16/9535
Abstract: 本发明公开了一种物品推荐方法，该方法包括以下步骤：当检测到目标用户名登录系统时，获取目标用户名对应的历史访问记录信息；利用注意力机制从历史访问记录中提取目标用户名对应的目标用户的偏好信息；根据偏好信息利用协同度量学习从候选物品集中查找目标用户的喜好物品，并将喜好物品推荐给目标用户；其中，候选物品集由目标用户名未访问过的物品构成。应用本发明实施例所提供的技术方案，根据目标用户的偏好从候选物品集中推荐目标用户的喜好物品，提高了灵活性，提升了用户体验。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN110543543A
公开(公告)日：2019-12-06
申请号：CN201910854835.6
申请日：2019-09-10
Applicant: 苏州大学
Abstract: 本发明公开了一种基于多粒度神经网络的用户移动行为预测方法、装置、设备及计算机可读存储介质，包括：将用户移动位置的预测空间映射至地图，得到与所述预测空间对应的地图区域；分别依据不同粒度对所述地图区域进行划分后，在所述不同粒度下分别将用户当前移动轨迹转换为与所述不同粒度对应的多个网格ID序列；利用多粒度神经网络模型，在所述不同粒度下分别利用不同的预测模型对所述多个网格ID序列进行预测，得到所述不同粒度下的所述用户移动位置的多个预测结果，对所述多个预测结果进行融合，得到所述用户移动位置的目标预测结果。本发明所提供的方法、装置、设备及计算机可读存储介质，提高了对用户移动行为预测的精确度。
-
Patent Agency Ranking
公开(公告)号：CN110097433A
公开(公告)日：2019-08-06
申请号：CN201910399853.X
申请日：2019-05-14
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自适应注意力机制的推荐方法、装置、设备及计算机可读存储介质；本方案中，基于自适应注意力机制分别获得当前购物车的短期偏好向量和各个历史购物车向量间的长期偏好向量，根据短期偏好向量和长期偏好向量，分别能反应用户的短期偏好的多样性及长期偏好的多样性，最后将这两者的结合输入到循环神经网络LSTM中，来更好的学习用户的序列行为，从而为用户准确的推荐兴趣的商品。
-
公开(公告)号：CN106126615B
公开(公告)日：2019-06-11
申请号：CN201610457222.5
申请日：2016-06-22
Applicant: 苏州大学
IPC: G06F16/9537
Abstract: 本发明公开了一种兴趣点推荐的方法，包括：根据GeoMF算法及TopicMF算法将地理信息，评论信息及签到信息融合到矩阵分解中得到目标函数；更新签到次数信息参数，评论文本集参数，转化峰度系数，主题编号参数，用户活动区域矩阵参数；根据更新后的各个参数，利用所述目标函数，计算得到预定用户对预定兴趣点的喜好度；该方法融合签到次数、地理位置信息和评论信息三个维度因素的兴趣点推荐方法，来实现更加高效的兴趣点推荐；本发明还公开了一种兴趣点推荐的系统，具有上述效果。
-
公开(公告)号：CN109829775A
公开(公告)日：2019-05-31
申请号：CN201811467071.7
申请日：2018-12-03
Applicant: 苏州大学
IPC: G06Q30/06 , G06F16/9535
Abstract: 本发明公开了一种物品推荐方法，该方法包括以下步骤：当检测到目标用户名登录系统时，获取目标用户名对应的历史访问记录信息；利用注意力机制从历史访问记录中提取目标用户名对应的目标用户的偏好信息；根据偏好信息利用协同度量学习从候选物品集中查找目标用户的喜好物品，并将喜好物品推荐给目标用户；其中，候选物品集由目标用户名未访问过的物品构成。应用本发明实施例所提供的技术方案，根据目标用户的偏好从候选物品集中推荐目标用户的喜好物品，提高了灵活性，提升了用户体验。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN109359140A
公开(公告)日：2019-02-19
申请号：CN201811457857.0
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于自适应注意力的序列推荐方法，该方法包括：在预先训练获得的自适应注意力感知GRU网络的输入层确定输入自适应注意力；将输入自适应注意力作用于历史交互项目序列中，获得输入序列；基于历史交互项目序列和输入序列的结合，获得输入层输出结果；在隐藏状态层确定隐藏自适应注意力，将隐藏自适应注意力作用于输入层输出结果中，获得隐藏状态序列；进而获得隐藏状态层输出结果；在自适应注意力感知GRU网络的输出层根据隐藏状态层输出结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，提高了推荐性能。本发明还公开了一种基于自适应注意力的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN106776993A
公开(公告)日：2017-05-31
申请号：CN201611110987.8
申请日：2016-12-06
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于时序约束活动意向的路径推荐方法及系统，包括：根据预设的兴趣类别映射表，将活动意向映射为对应的兴趣类别；利用时序约束条件将兴趣类别分为依赖类别组；利用时序约束条件确定每个依赖类别组中兴趣类别的计算顺序，并根据计算顺序确定每个兴趣类别的兴趣点，确定兴趣点集合；确定兴趣点集合中所有兴趣点的访问顺序，以确定最终的推荐路径；可见，根据用户的活动意向时序约束条件确定推荐路径，不仅可满足用户的多种需求，并且这种方法能充分利用时序约束的特点，克服了以往方法得到的路径产生大量偏移和重复的问题，且无需预计算即可显著提升带时序约束用户意向的路径搜索的性能和精度，支持实时搜索。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.027 seconds)
