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！

龙图腾网恭喜南京邮电大学申请的专利一种基于时间兴趣网络的智能化行为预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119474829B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510051858.9，技术领域涉及：G06F18/213；该发明授权一种基于时间兴趣网络的智能化行为预测方法及系统是由张用明;吴金桂;徐小龙设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种基于时间兴趣网络的智能化行为预测方法及系统在说明书摘要公布了：本发明公开了一种基于时间兴趣网络的智能化行为预测方法及系统，涉及软件工程技术领域，包括：接收行为序列，将行为序列通过不同时间段进行划分，得到每个时间段的行为序列，将每个时间段的行为序列输入至预先建立的多头自注意力机制和位置编码模型内，输出得到每个时间段的兴趣特征向量；每个时间段的兴趣特征向量输入至预先建立的Bi‑LSTM模型内，输出得到兴趣序列结果，将兴趣序列结果依次输入预先构建的残差网络和Dropout层内，得到优化兴趣序列结果，将优化兴趣序列结果输入至预先构建的MLP层内，输出得到行为预测结果，提高了对智能化行为预测的精度和预估能力。

本发明授权一种基于时间兴趣网络的智能化行为预测方法及系统在权利要求书中公布了：1.一种基于时间兴趣网络的智能化行为预测方法，其特征在于，方法包括以下步骤：接收行为序列，将行为序列通过不同时间段进行划分，得到每个时间段的行为序列，将每个时间段的行为序列输入至预先建立的多头自注意力机制和位置编码模型内，输出得到每个时间段的兴趣特征向量，其中，所述行为序列为司机在预设时间内的行为动作；所述预先建立的多头自注意力机制和位置编码模型如下：使用带有2个注意力头的自注意力，计算如下：其中，查询矩阵qi、关键字矩阵ki和信息矩阵vi计算如下： 式2中，Wq，Wk，Wv是包含m个权重向量的线性矩阵，m表示每个注意力头中查询、关键字和信息向量的数量，bl表示输入序列，ql，kl，vl分别代表第l个头的查询、关键字和信息矩阵，ql，1，ql，2，...，ql，m分别代表第l个头第1，2，...，m个查询的计算，kl，1，kl，2，...，kl，m分别代表第l个头第1，2，...，m个关键字的计算，vl，1，vl，2，...，vl，m分别代表第l个头第1，2，...，m个信息的计算，Wq，1，Wq，2，...，Wq，m分别表示第1，2，...，m个查询权重向量，Wk，1，Wk，2，...，Wk，m分别表示第1，2，...，m个关键字权重向量，Wv，1，Wv，2，...，Wv，m分别表示第1，2，...，m个信息权重向量，通过将输入序列分别乘以不同的权重矩阵来获得；在模型中，其中Q表示注意力头，Qk表示注意力头矩阵，它是由多个矩阵组成的集合，Qk1是指第1个注意力头矩阵，Qkh是指第h个注意力头矩阵，其中h代表头的索引，QM是指第M个注意力头矩阵，其中M指的是注意力头的数量，表示第h个注意力头矩阵的维度，其中T是输入序列的长度，dh是注意力头的维度大小，而dmodel表示模型中嵌入的隐藏单元的维度，d是模型中的隐藏单元的维度，model是嵌入的长度；h头headh的表达式： 其中Attention函数表示自注意力机制，softmax函数用于将实数向量转换为概率分布，表示矩阵Wk的转置，表示矩阵Qkh的转置；不同的注意力头的向量被连接后输入到一个前馈神经网络中进行计算，计算表达式如下所示： 式45中，FNN是指前馈神经网络，M表示共有M个注意力头，Head1，Head2，...，HeadM分别表示第1，2，...，M个注意力头向量，Concat函数将向量进行连接，Wo代表权重矩阵，通过将M个头部展平并连接，乘以权重矩阵，得到多头自注意力的最终计算结构，表示经过操作的输出，再对各层进行逐层归一化，计算第k个时间段的用户兴趣Ik，其中变量Avg代表了平均池化的过程将每个时间段的兴趣特征向量输入至预先建立的Bi-LSTM模型内，输出得到兴趣序列结果，将兴趣序列结果依次输入预先构建的残差网络和Dropout层内，得到优化兴趣序列结果，将优化兴趣序列结果输入至预先构建的MLP层内，输出得到行为预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。