-
公开(公告)号：CN109961183B
公开(公告)日：2023-06-23
申请号：CN201910213249.3
申请日：2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种评论信息对用户签到影响的度量方法，首先通过张量分解得到用户每次签到的意图分类，然后通过隐马尔科夫模型对用户的下一步意图进行预测，得到用户的下一步访问意图；对1km范围内的同意图位置进行确定；选择模型参数；基于用户该意图的历史评论数据集构建语料库；通过该语料库来训练LDA主题模型，同时对1km范围内同属该意图的位置的评论数据集构建语料库训练LDA主题模型；分析得到的主题的相似性，利用JS距离求得主题相似性并得到top‑k个预测位置。本发明考虑了用户评论信息对用户下一步位置选择的影响，通过预测用户下一步意图，计算用户历史数据中与当前在范围内的位置主题相似性，预测下一个兴趣点。
-
公开(公告)号：CN111341332A
公开(公告)日：2020-06-26
申请号：CN202010129725.6
申请日：2020-02-28
Applicant: 重庆邮电大学
IPC: G10L21/02 , G10L21/0208 , G10L25/21 , G10L25/30
Abstract: 本发明涉及一种基于深度神经网络的语音特征增强后置滤波方法，属于语音滤波技术领域，包括以下步骤：S1：将纯净语音与噪声按不同信噪比混合，生成训练数据；S2：选择训练数据的对数功率谱LPS作为特征进行提取，以纯净语音的LPS作为目标；S3：使用标准结构深度神经网络DNN进行训练；S4：对训练结果进行损失估计；S5：输入损失语音，基于损失估计进行损失补偿。相比于现有技术，本发明能够在保证语音质量的同时有效抑制噪声干扰。
-
公开(公告)号：CN109961183A
公开(公告)日：2019-07-02
申请号：CN201910213249.3
申请日：2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种评论信息对用户签到影响的度量方法，首先通过张量分解得到用户每次签到的意图分类，然后通过隐马尔科夫模型对用户的下一步意图进行预测，得到用户的下一步访问意图；对1km范围内的同意图位置进行确定；选择模型参数；基于用户该意图的历史评论数据集构建语料库；通过该语料库来训练LDA主题模型，同时对1km范围内同属该意图的位置的评论数据集构建语料库训练LDA主题模型；分析得到的主题的相似性，利用JS距离求得主题相似性并得到top‑k个预测位置。本发明考虑了用户评论信息对用户下一步位置选择的影响，通过预测用户下一步意图，计算用户历史数据中与当前在范围内的位置主题相似性，预测下一个兴趣点。
-
-
Search Results
3
records
(took 0.017 seconds)
