-
公开(公告)号：CN118154240A
公开(公告)日：2024-06-07
申请号：CN202410430797.2
申请日：2024-04-11
Applicant: 华侨大学
IPC: G06Q30/0202 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084 , G06Q50/40
Abstract: 本发明公开了一种基于Transformer和生成对抗网络的网约车需求预测方法，包括：构建基于Transformer的网约车需求预测模型；结合生成对抗网络对网约车需求预测模型进行对抗式训练；利用训练好的网约车需求预测模型实现预测；所述网约车需求预测模型包括编码通道、解码通道和全连接层，编码通道接收历史需求序列，输出编码结果；解码通道接收编码通道输出的编码结果和待预测序列，输出解码结果；全连接接收解码结果，输出预测序列。本发明结合Transformer和生成对抗网络、基于相似性的稀疏多头自注意力机制、生成式解码器等方法，解决了上述研究者们在单时间步长预测结果的基础上进行递归扩展为多步长预测，随着预测时间步长数量的增加，误差会急剧上升的问题。
-
公开(公告)号：CN117974330A
公开(公告)日：2024-05-03
申请号：CN202410361953.4
申请日：2024-03-28
Applicant: 华侨大学
IPC: G06Q40/08 , G06F17/16 , G06N3/045 , G06N3/0499 , G06N3/098
Abstract: 本发明公开了一种基于混合模型的互联网保险评分预测方法及装置，涉及数据处理领域，包括：获取互联网保险的订单数据并处理生成用户嵌入矩阵和项目嵌入矩阵，构建用户‑项目评分矩阵和用户‑项目购买交互矩阵；从用户‑项目购买交互矩阵获取项目历史交互向量和用户历史交互向量，将项目历史交互向量和用户历史交互向量输入经训练的第一多层感知机和第二多层感知机，得到项目的隐式嵌入向量和用户的隐式嵌入向量；对用户‑项目评分矩阵进行矩阵分解，并分别与项目的隐式嵌入向量和用户的隐式嵌入向量融合，得到融合的项目嵌入向量和融合的用户嵌入向量，再输入经训练的评分预测模型，得到预测的评分数据，解决评分数据的稀疏性和冷启动问题。
-
公开(公告)号：CN113538067B
公开(公告)日：2023-05-05
申请号：CN202110943104.6
申请日：2021-08-17
Applicant: 华侨大学
IPC: G06Q30/0202 , G06Q10/02 , G06Q50/30 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。
-
Patent Agency Ranking
公开(公告)号：CN118967274A
公开(公告)日：2024-11-15
申请号：CN202411421586.9
申请日：2024-10-12
Applicant: 华侨大学
IPC: G06Q30/0601 , G06N3/0499 , G06Q40/08 , G06F18/2415 , G06F18/25
Abstract: 本发明公开了一种针对低购买度用户的自注意力机制的组合推荐方法及装置，涉及数据处理领域，包括：获取交互次序集合，将行为交互次序集合进行处理得到产品次序总图；构建用户行为偏好分类模型并训练，得到经训练的用户行为偏好分类模型，获取用户群体中的其中一个用户对应的用户特征向量和每个互联网产品对应的产品特征向量并输入经训练的用户行为偏好分类模型，得到其中一个用户对每个互联网产品的行为偏好分类结果；确定捆绑组合生成的起始点，基于产品次序总图和用户的行为偏好分类结果采用束搜索算法从起始点开始搜索扩展节点，得到捆绑组合列表并进行筛选，得到推荐列表。本发明解决目前的推荐算法无法捕捉用户行为偏好的复杂关系等问题。
-
公开(公告)号：CN118657255A
公开(公告)日：2024-09-17
申请号：CN202411113958.1
申请日：2024-08-14
Applicant: 华侨大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于小波多分辨率分解的深度学习工单量预测方法，属于时间序列预测领域，包括：将每组工单样本输入ExWaveformer模型的事件检测器中提取工单类型特征；获取工单量历史输入序列和预测输入序列分别输入编码器和解码器中；将工单量预测输入序列分解为趋势分量和周期随机分量，对周期随机分量提取频域特征后重构回时域，在时域使用自注意力提取关联特征并在编码器中编码为隐向量；计算时域交叉注意力得到重构的周期随机隐向量，将其融合趋势分量得到最终生成的工单量预测序列；步骤S6、更新参数，最终得到训练好的预测模型。本发明能够降低时间复杂度，提升预测精度，当实际运用场景中出现突发事件情况下仍然能够准确预测。
-
公开(公告)号：CN113554307B
公开(公告)日：2023-05-26
申请号：CN202110831035.X
申请日：2021-07-22
Applicant: 华侨大学
IPC: G06Q10/0631 , G06Q10/0639 , G06Q30/01 , G06F18/23213
Abstract: 本发明公开了一种基于RFM模型的用户分组方法、装置及可读介质，通过获取用户的订单数据，并对用户的订单数据进行数据清理；根据数据清理后的订单数据，计算用户的最近一次下单的时间间隔R、规定时间段内的下单频率F和规定时间段内的下单总金额M三个指标；基于时间间隔R、下单频率F、下单总金额M的数值区间设置指标分箱，并通过指标分箱对时间间隔R、下单频率F、下单总金额M进行归一化，得到对应的指标值RS、FS、MS；采用熵权法确定指标对应的权重系数，并根据指标值RS、FS、MS与权重系数计算出每个指标的最终得分；将每个指标的最终得分输入K‑means聚类算法，得到用户的最优分组结果。为企业的运营、决策和项目阶段总结提供数据支持。
-
公开(公告)号：CN113554307A
公开(公告)日：2021-10-26
申请号：CN202110831035.X
申请日：2021-07-22
Applicant: 华侨大学
Abstract: 本发明公开了一种基于RFM模型的用户分组方法、装置及可读介质，通过获取用户的订单数据，并对用户的订单数据进行数据清理；根据数据清理后的订单数据，计算用户的最近一次下单的时间间隔R、规定时间段内的下单频率F和规定时间段内的下单总金额M三个指标；基于时间间隔R、下单频率F、下单总金额M的数值区间设置指标分箱，并通过指标分箱对时间间隔R、下单频率F、下单总金额M进行归一化，得到对应的指标值RS、FS、MS；采用熵权法确定指标对应的权重系数，并根据指标值RS、FS、MS与权重系数计算出每个指标的最终得分；将每个指标的最终得分输入K‑means聚类算法，得到用户的最优分组结果。为企业的运营、决策和项目阶段总结提供数据支持。
-
公开(公告)号：CN113538067A
公开(公告)日：2021-10-22
申请号：CN202110943104.6
申请日：2021-08-17
Applicant: 华侨大学
Abstract: 本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
