一种基于自监督学习的社交网络用户轨迹分析方法

发明专利有效专利

申请号：
CN202110649825.6
IPC分类号：G06F16/9536;G06F16/9537;G06Q50/00
申请日期：
2021-06-10
申请人：
电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于自监督学习的社交网络用户轨迹分析方法
申请号	CN202110649825.6	申请日期	2021-06-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-10	公开/公告号	CN113378074A
优先权	暂无	优先权号	暂无
主分类号	G06F16/9536	IPC分类号	G;0;6;F;1;6;/;9;5;3;6;;;G;0;6;F;1;6;/;9;5;3;7;;;G;0;6;Q;5;0;/;0;0查看分类表>
申请人	电子科技大学	申请人地址	四川省成都市成华区建设北路二段四号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	周帆;代雨柔;余柳;钟婷;敬鑫
代理机构	成都东恒知盛知识产权代理事务所（特殊普通合伙）	代理人	罗江

摘要

本发明公开了一种基于自监督学习的社交网络用户轨迹分析方法，通过数据增强技术对轨迹数据进行数据的合理扩充，再结合自监督的方法更好的学习轨迹数据的表示。然后构建一个预训练模型(该模型中包含了RNN和注意力机制等深度学习神经网络层)，在预训练模型中利用对比学习构建正负样本，学习锚数据与正负样本之间的互信息。然后，将预训练模型中学习到的参数迁移到下游任务中，微调网络使下游任务的性能能够得到提升。本发明的目的旨在针对社交网络中用户轨迹分析研究中存在轨迹点稀疏、数据反馈存在差异、下一个轨迹点信号弱等问题，提供一种以自监督学习为框架并结合数据增强的方法，来学习人类的移动模式，使更流畅和完整地捕捉用户的运动意图。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供