“詹海伦”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]基于动态交通网络的多模态出行方式融合推荐方法-CN202111662829.4在审
发明人：贾楠楠;迟远英;丁治明;郭黎敏;詹海伦 -专利权人：北京工业大学
申请日： 2021-12-31 - 公布日： 2022-05-10 - 主分类号： G06F16/9537 文献下载
摘要：本发明公开了基于动态交通网络的多模态出行方式融合推荐方法，本发明首先将用户时空出行轨迹构建成异构信息网络，并考虑出行过程中不断发生变化的动态交通网络；根据异构信息网路，预处理历史轨迹数据；从异构信息网络对应的网络模式中抽取关键元路径以丰富对象的特征嵌入；通过聚合函数实现元路径特征聚合；利用元路径引导的图神经网络对用户与出行方式动态建模，得出具有丰富交互信息的特征嵌入；将用户及出行方式的最终特征嵌入输入MLP中，充分学习用户在时空出行轨迹中对出行方式的偏好，向用户推荐满足个性化需求的出行方式。本发明细粒度的描述了用户对出行方式的个性化偏好，同时缓解了交通压力，提高了交通韧性。
基于动态交通网络多模态出行方式融合推荐方法

[发明专利]一种基于显式特征与隐式特征融合的兴趣点推荐方法-CN202111662746.5在审
发明人： 詹海伦;迟远英;丁治明;郭黎敏;贾楠楠 -专利权人：北京工业大学
申请日： 2021-12-31 - 公布日： 2022-05-10 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于显式特征与隐式特征融合的兴趣点推荐方法，首先通过数据的预处理，获取用户签到的时间和区域以及兴趣点所在区域及其被访问时的时间信息，然后从中提取用户和兴趣点的显式向量。本发明还提出了一种FGMF模型，该模型时对GMF模型的改进，我们将得到的显式特征向量与n维隐式特征向量一同输入到FGMF模型中进行预训练，然后将其结果输入深度神经网络中进行训练，预测每位用户对兴趣点的评分，然后对评分进行排序，根据评分的高低，为每位用户推荐生成top‑k推荐列表。本发明同时考虑显式特征和隐式特征对兴趣点访问的影响，提高了推荐的准确性。
一种基于特征融合兴趣推荐方法