龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江大学
摘要：一种基于时序点过程的联邦事件序列预测方法和系统，其方法包括：选定用户和交互场景客户端，收集并处理事件数据；客户端初始化本地局部模型，包括特征提取模型和事件序列模型；加密用户身份标识符，并进行成员对齐；提取已对齐的本地用户的事件特征，得到事件嵌入向量；保序加密事件发生时间，与事件嵌入形成二元组；根据时间‑事件嵌入二元组，还原用户事件嵌入数据的原始顺序；从原始的事件嵌入序列中提取、返回每个客户端训练所需的扩展向量；客户端训练事件序列模型，反向传播参数更新所需的梯度；更新局部特征提取模型，对全局事件序列模型进行梯度平均；从原始事件嵌入中返回当前时间对应的扩展向量，对下一发生的事件做出预测。
主权项：1.一种基于时序点过程的联邦事件序列预测方法，包括如下步骤：S1：选定用户和交互场景客户端，收集并处理事件数据；S2：客户端初始化本地局部模型，包括特征提取模型和事件序列模型；S3：加密用户身份标识符，并进行成员对齐；S4：提取已对齐的本地用户的事件特征，得到事件嵌入向量；S5：保序加密事件发生时间，与事件嵌入形成二元组；S6：获取分散在各客户端的事件时间-嵌入二元组数据，并根据加密后的事件时间戳，排序事件嵌入向量，还原该用户事件数据的原始顺序；S7：根据事件序列模型的设计，从原始的事件嵌入序列中提取、返回每个客户端训练所需的扩展向量；S8：客户端利用扩展向量和本地事件数据，继续训练事件序列模型，输出发生本地事件子序列的概率，并反向传播参数更新所需的梯度；S9：更新局部模型，其中特征提取模型通过优化器直接更新，事件序列模型还需经过梯度平均操作后更新；S10：重复S4-S9，直到联合模型收敛；S11：预测阶段，执行S4-S6，从原始事件嵌入中返回当前时间对应的扩展向量，并对下一发生的事件做出预测。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于时序点过程的联邦事件序列预测方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号