← 返回列表

一种深度信息融合驱动的移动社交网络POI调度方法及系统

申请号: CN202311361072.4
申请人: 南昌大学; 南昌大学新一代信息技术产业研究院
申请日期: 2023/10/19

摘要文本

本申请涉及数据处理技术领域,尤其涉及一种深度信息融合驱动的移动社交网络POI调度方法及系统,包括:感知层包括:云感知模块、边缘感知模块和深度表征学习模块;其中,云感知模块依据POI原始数据获得用户的显式特征,边缘感知模块依据POI原始数据获得用户间的隐式特征,深度表征学习模块基于深度学习方法,依据用户的显式特征和用户间的隐式特征,学习得到代表向量;计算层依据代表向量训练POI调度模型;应用层接收用户的POI调度请求,并且将用户的POI调度请求输入至训练好的POI调度模型中,从而得到POI调度结果。本申请可以提高移动社交网络(MSN)环境中的兴趣点(POI)调度的效果,并且使得移动社交网络(MSN)环境中的兴趣点(POI)的调度的难度较低。

专利详细信息

项目 内容
专利名称 一种深度信息融合驱动的移动社交网络POI调度方法及系统
专利类型 发明申请
申请号 CN202311361072.4
申请日 2023/10/19
公告号 CN117614927A
公开日 2024/2/27
IPC主分类号 H04L51/52
权利人 南昌大学; 南昌大学新一代信息技术产业研究院
发明人 朱小刚; 刘帅旗; 郭智威; 余恪平; 丁峰
地址 江西省南昌市红谷滩新区学府大道999号;

专利主权项内容

1.一种深度信息融合驱动的移动社交网络POI调度系统,其特征在于,包括:接入层、感知层、计算层和应用层,接入层与感知层通信连接,网络层与计算层通信连接,计算层与应用层通信连接;接入层收集POI原始数据并将POI原始数据上传至感知层;感知层包括:云感知模块、边缘感知模块和深度表征学习模块;其中,云感知模块依据POI原始数据获得用户的显式特征,边缘感知模块依据POI原始数据获得用户间的隐式特征,深度表征学习模块基于深度学习方法,依据用户的显式特征和用户间的隐式特征,学习得到代表向量;计算层依据代表向量训练POI调度模型;应用层接收用户的POI调度请求,并且将用户的POI调度请求输入至训练好的POI调度模型中,从而得到POI调度结果。