-
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：CN114723125B
公开(公告)日：2024-06-28
申请号：CN202210339414.1
申请日：2022-04-01
Applicant: 华侨大学
IPC: G06Q10/04 , G06Q30/0601 , G06Q50/40 , G06N3/0455 , G06N3/092
Abstract: 本发明提供一种结合深度学习和多任务优化的城际车订单分配方法，包括：根据城际网约出行的实际问题进行数学建模，并确定其优化目标；利用已存在的线路的历史订单信息作为训练数据，通过强化学习Actor‑Critic算法训练构建的注意力机制深度网络模型；采用训练好的模型并结合多任务优化进行订单分配优化。本发明提供的方法不仅能够实现“离线训练，在线分配”对同一场景下的订单进行分配，而且能够对新开通的城际路线订单进行预测，而多任务优化可以同时对多条不同城市间城际出行订单进行分配，通过不同线路的相似性进行迁移分别得到彼此的最优分配集合。
-
Patent Agency Ranking
公开(公告)号：CN117132011A
公开(公告)日：2023-11-28
申请号：CN202311209584.9
申请日：2023-09-19
Applicant: 华侨大学
IPC: G06Q10/047 , G06Q10/063 , G06Q50/30
Abstract: 本发明公开一种城际出行车辆路径确定方法、系统、电子设备及介质，涉及智能优化算法和车辆调度领域，该路径确定方法包括：以最大化平均每趟出行的乘客数、最小化车辆数目、最小化车辆总行驶距离和最小化乘客总等待时间为目标函数，以车辆载客量、服务质量、时间约束和安全约束为约束条件，构建城际出行车辆路径模型；获取待出行城际订单；根据城际出行车辆路径模型，确定各出行订单对应的出行车辆。本发明能够为城际网约车出行提供满足多个需求的路径规划方案。
-
公开(公告)号：CN116384602A
公开(公告)日：2023-07-04
申请号：CN202211671153.X
申请日：2022-12-26
Applicant: 华侨大学
IPC: G06Q10/047 , G06N3/0455 , G06N3/08 , G06N3/006
Abstract: 本发明公开了一种多目标车辆路径优化方法、系统、电子设备及介质，涉及车辆调度及智能优化领域，该方法包括：将获取的当前时刻的客户点序列和车辆数据输入各主任务子问题模型和各辅任务子问题模型中，得到当前主任务的规划方案和当前辅任务的规划方案；将当前规划方案确定为初始种群，采用进化迁移的方式根据辅任务的初始种群对主任务的初始种群进行迭代优化，得到最优规划方案，子问题模型基于分解模型对深度强化学习模型训练得到；主任务分解模型是对主任务模型分解得到，辅任务分解模型是对辅任务模型分解得到；主任务模型是基于五个目标构建的；辅任务模型是基于五个目标中的其中两个目标构建的。本发明能提高车辆路径的规划效率和准确性。
-
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
28
records
(took 0.036 seconds)
