買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京航空航天大學申請的專利基于上下文表示學習的城市區域動態表征學習方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120317401B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510805132.X，技術領域涉及：G06N20/00；該發明授權基于上下文表示學習的城市區域動態表征學習方法是由孫磊磊;馮新順;呂衛鋒;韓良喆;盛浩;諸彤宇設計研發完成，并于2025-06-17向國家知識產權局提交的專利申請。

本基于上下文表示學習的城市區域動態表征學習方法在說明書摘要公布了：本發明提出一種基于上下文表示學習的城市區域動態表征學習方法，屬于城市功能與時空數據挖掘領域，包括：S1：根據公共交通數據構建連續動態圖；S2：構建多個時間維度下的城市區域動態表征提取器，所述提取器用于提取所述連續動態圖中的結構信息和語義信息，并將所述連續動態圖中的節點轉化為固定維數的表征向量，且隨時間動態更新；S3：利用多個預測任務對提取器進行預訓練，包括設計相應的損失函數引導提取器學習更加通用的城市區域表征；S4：利用訓練好的多個提取器獲取城市區域動態表征，并將城市區域動態表征結合上下文表示學習應用于多個下游任務。本發明可捕捉到全面的時空語義信息，從多時間粒度動態捕捉城市的動態區域表征。

本發明授權基于上下文表示學習的城市區域動態表征學習方法在權利要求書中公布了：1.一種基于上下文表示學習的城市區域動態表征學習方法，其特征在于，包括： 步驟S1：根據公共交通數據構建連續動態圖，所述連續動態圖為一系列按照時間排序的移動數據的集合； 步驟S2：為每一個城市區域構建城市區域動態表征向量，構建短時-信息特征提取器、中時-信息融合提取器和長時-信息更新提取器，基于和分別提取基礎動態特征向量、中時間粒度城市區域動態表征向量和當前城市動態表征向量，具體包括： 步驟S21：使用城市區域編碼器為每一個城市區域維護一個城市區域動態表征向量，用于存儲區域的動態變化； 步驟S22：構建短時-信息特征提取器將細粒度的移動數據編碼成基礎動態特征向量，具體步驟如下： 首先，將出行數據時間按照小時進行劃分，計算用于編碼區域內起始時間段為到內細粒度的的基礎動態特征向量，公式如下： 2 3 4 其中，和是可以訓練的參數；和均表示中間變量；是將和拼接一起的函數；和分別代表區域和區域的動態表征向量；和分別代表在內出發地區域為和到達地區域為的所有出行事件； 然后，根據時間衰減系數對于出行數據的時間信息進行編碼，并根據出行的出發區域和到達區域對這些信息進行初步聚合得到該時間段的基礎動態特征向量； 步驟S23：構建中時-信息融合提取器對所述基礎動態特征向量進行數據增強，獲取增強后的中時間粒度城市區域動態表征向量： 對于基礎動態特征向量進行跨時間注意力聚合，計算公式如下： 5 6 其中，和均為可訓練參數，是歸一化函數，為中時間粒度城市區域動態表征向量； 步驟S24：構建長時-信息更新提取器用于將進行選擇性學習和保存，生成當前城市動態表征向量： 根據和城市歷史動態表征向量，以及可學習的參數對于城市動態表征進行動態更新，公式如下： 7 其中，為可訓練的參數，是城市歷史動態表征向量，是元素乘積操作； 步驟S3：基于和構建歷史區域表征序列和當前表征，所述當前表征為當前時刻的城市區域動態表征，基于所述當前表征結合多種預訓練任務訓練所述短時-信息特征提取器、中時-信息融合提取器和長時-信息更新提取器； 步驟S4：利用訓練好的短時-信息特征提取器、中時-信息融合提取器和長時-信息更新提取器獲取城市區域動態表征，并將所述城市區域動態表征結合上下文表示學習應用于多個下游任務。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京航空航天大學，其通訊地址為：100191 北京市海淀區學院路37號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。