-
公开(公告)号：CN107944913A
公开(公告)日：2018-04-20
申请号：CN201711164670.7
申请日：2017-11-21
Applicant: 重庆邮电大学
CPC classification number: G06Q30/0202 , G06K9/6218 , G06K9/6228 , G06Q30/0201
Abstract: 本发明请求保护一种基于大数据用户行为分析的高潜在用户购买意向预测方法，包括：101数据预处理，对电商用户历史行为数据集进行预处理操作；102样本定义与打标，根据用户历史消费行为，以有交互的用户产品对为关键字构建样本；103训练集测试集划分，采用时间窗口划分法，将历史数据划分为训练集与测试集；104特征构建，对用户的历史行为数据进行特征工程构建；105算法设计与实现，首先对特征群特征选择和对数据集进行不平衡数据的处理，随后本发明提出一种两层模型迭代学习算法预测最终结果。本发明基于时间跨度45天的电商用户历史行为数据，建立预测模型，从而预测未来5天用户是否下单候选商品集合P中的商品。
-
公开(公告)号：CN104599502B
公开(公告)日：2017-01-25
申请号：CN201510079339.X
申请日：2015-02-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车流量统计方法，涉及智能交通监控领域，包括以下步骤：初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；确定前景图像的面积大于设定值的图像为运动目标，计算运动目标的外接矩形，若所述外接矩形的长宽在设定范围内，则其为车辆；否则查找其他可以合并的所述外接矩形，若合并后的外接矩形的长宽在设定范围内，则为车辆；对车辆进行跟踪，若车辆连续三帧出现，则其为运动稳定车辆。当车辆到达所述第2种虚拟线圈时，统计车流量数目。本发明安装方便、精确度高。
-
公开(公告)号：CN104599502A
公开(公告)日：2015-05-06
申请号：CN201510079339.X
申请日：2015-02-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车流量统计方法，涉及智能交通监控领域，包括以下步骤：初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；确定前景图像的面积大于设定值的图像为运动目标，计算运动目标的外接矩形，若所述外接矩形的长宽在设定范围内，则其为车辆；否则查找其他可以合并的所述外接矩形，若合并后的外接矩形的长宽在设定范围内，则为车辆；对车辆进行跟踪，若车辆连续三帧出现，则其为运动稳定车辆。当车辆到达所述第2种虚拟线圈时，统计车流量数目。本发明安装方便、精确度高。
-
Patent Agency Ranking
公开(公告)号：CN109783636B
公开(公告)日：2023-03-28
申请号：CN201811517941.7
申请日：2018-12-12
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/953
Abstract: 本发明请求保护一种基于分类器链的汽车评论主题提取方法，包括：101汽车评论文本数据预处理，对汽车论坛用户历史评论数据进行预处理操作；102评论文本向量化，使用加权TF‑IDF方法对数据预处理后的每条文本进行向量化从而提取文本特征；103评论主题聚类划分，使用k‑means算法对文本主题聚类划分，得到现有主题类别的一个划分；104局部多标签分类器链主题提取算法设计：将一条完整的分类器链转化为多条局部分类器链，同时每条局部分类器链采用距离类簇中心点由远到近的原则构建链，最后多条局部分类器链集成得到最终预测结果。本发明基于汽车论坛的用户历史评论数据，提取文本特征，设计改进的局部分类器算法，建立预测模型，从而预测每条评论属于哪些主题。
-
公开(公告)号：CN109783636A
公开(公告)日：2019-05-21
申请号：CN201811517941.7
申请日：2018-12-12
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/953
Abstract: 本发明请求保护一种基于分类器链的汽车评论主题提取方法，包括：101汽车评论文本数据预处理，对汽车论坛用户历史评论数据进行预处理操作；102评论文本向量化，使用加权TF-IDF方法对数据预处理后的每条文本进行向量化从而提取文本特征；103评论主题聚类划分，使用k-means算法对文本主题聚类划分，得到现有主题类别的一个划分；104局部多标签分类器链主题提取算法设计：将一条完整的分类器链转化为多条局部分类器链，同时每条局部分类器链采用距离类簇中心点由远到近的原则构建链，最后多条局部分类器链集成得到最终预测结果。本发明基于汽车论坛的用户历史评论数据，提取文本特征，设计改进的局部分类器算法，建立预测模型，从而预测每条评论属于哪些主题。
-
公开(公告)号：CN107301562A
公开(公告)日：2017-10-27
申请号：CN201710341039.3
申请日：2017-05-16
Applicant: 重庆邮电大学
IPC: G06Q30/02
CPC classification number: G06Q30/0211 , G06Q30/0202
Abstract: 本发明请求保护一种O2O优惠券使用大数据预测方法，包括：101对用户的历史消费数据集进行预处理操作；102对用户的历史消费数据集打标，划分和构建训练集和预测集；103对用户的历史消费数据集进行特征工程构建；104特征选择和不平衡数据的处理；105对上述数据进行多分类器集成学习；106通过已建立模型，根据用户历史消费数据对用户的优惠券使用情况进行预测，优化O2O优惠券的投放。本发明主要是通过对用户消费数据的处理及对数据进行多分类器集成学习，建立预测模型，从而预测用户未来的优惠券使用情况，对O2O优惠券的投放进行优化。
-
公开(公告)号：CN107944913B
公开(公告)日：2022-03-22
申请号：CN201711164670.7
申请日：2017-11-21
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据用户行为分析的高潜在用户购买意向预测方法，包括：101数据预处理，对电商用户历史行为数据集进行预处理操作；102样本定义与打标，根据用户历史消费行为，以有交互的用户产品对为关键字构建样本；103训练集测试集划分，采用时间窗口划分法，将历史数据划分为训练集与测试集；104特征构建，对用户的历史行为数据进行特征工程构建；105算法设计与实现，首先对特征群特征选择和对数据集进行不平衡数据的处理，随后本发明提出一种两层模型迭代学习算法预测最终结果。本发明基于时间跨度45天的电商用户历史行为数据，建立预测模型，从而预测未来5天用户是否下单候选商品集合P中的商品。
-
公开(公告)号：CN106845731A
公开(公告)日：2017-06-13
申请号：CN201710089934.0
申请日：2017-02-20
Applicant: 重庆邮电大学
CPC classification number: G06Q10/04 , G06K9/6215 , G06K9/6268 , G06K9/6269 , G06K9/6276 , G06Q30/0201
Abstract: 本发明提出一种基于多模型融合的潜在换机用户发现方法，该方法主要包括用户的消费数据和换机轨迹数据采集和预处理、特征构建、模型构建及模型融合、预测等步骤。本发明旨在利用机器学习算法的多样性和差异性，将多个模型组合起来，以获得更好的效果，使集成的模型具有更强的泛化能力。通过用户历史数据进行训练，最后在数据集上进行预测，从而得到即将换机的高价值用户，并精确的为用户推送手机信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
