一种用于跨城市物流需求预测的多粒度图学习系统技术方案

本发明专利技术公开了一种用于跨城市物流需求预测的多粒度图学习系统，提出了一种新颖的多粒度图学习框架，通过学习动态用户图中的不变表示来进行跨城市物流需求预测。该框架包含两个阶段。在适应阶段，通过学习专门针对种子用户的不变表示，确保在不同城市之间用户表示的一致性。此外，通过将动态边信息(如物流行为)整合到静态边中，丰富用户嵌入。另采用可微分池化将对齐用户的嵌入聚合到区域中。在预测阶段，设计了基于元学习的多城市知识转移，利用目标城市的时空信息微调模型参数，实现城市自适应知识共享，并进一步预测物流揽件量和派件量需求。

【技术实现步骤摘要】

本专利技术涉及一种用于跨城市物流需求预测的多粒度图学习系统,属于计算机智能计算与运用。

技术介绍

1、物流平台已经成为买家和卖家之间的关键纽带。准确预测区域物流需求对于优化交付资源、提高服务质量并进一步增加收入至关重要。物流需求分为货物的提货和交付，对应着需要提供的揽收和派件服务。然而，在处理跨多个城市的不同业务用户(如零售商、制造商和在线卖家)时，会出现一个重大问题。物流平台在各个城市之间的市场份额不同，导致所获得的物流数据的稀疏程度存在显著差异。这种差异直接影响物流需求预测的准确性和可靠性。跨城市方法已经出现来解决数据稀疏性的问题，并在行业中得到了广泛应用，例如交通流量预测，跨领域推荐。然而，在应用于跨城市物流需求预测时，仍然存在挑战。第一，相同的用户在不同城市可能会有物流需求，因为一些用户可能在多个城市设立了分支机构或仓库。第二，区域的物流需求取决于该区域内的用户群体。提供或交付服务的需求与用户行为密切相关。第三，通过利用种子用户的特征适应，将用户图的结构知识从源城市转移到目标城市，实现特征增强，尤其是当目标城市中的用户个人资料稀疏时。考虑到物流平台本文档来自技高网...

【技术保护点】

1.一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：包括适应阶段和预测阶段，

2.如权利要求1所述一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：所述适应阶段包括用户级不变表示模块和动态边增强区域更新模块，

3.如权利要求2所述一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：所述用户级不变表示模块首先对用户的序列和属性进行编码，通过期望嵌入矩阵和协方差嵌入矩阵的高斯分布表示来保留不确定性，具体如下，初始化四个嵌入矩阵U、P、V和Q，每个大小为Rm×#，分别表示序列编码和属性编码的高斯均值向量和方差向量，为了获得需求序列的高斯嵌入和属性...

【技术特征摘要】

1.一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：包括适应阶段和预测阶段，

2.如权利要求1所述一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：所述适应阶段包括用户级不变表示模块和动态边增强区域更新模块，

3.如权利要求2所述一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：所述用户级不变表示模块首先对用户的序列和属性进行编码，通过期望嵌入矩阵和协方差嵌入矩阵的高斯分布表示来保留不确定性，具体如下，初始化四个嵌入矩阵u、p、v和q，每个大小为rm×#，分别表示序列编码和属性编码的高斯均值向量和方差向量，为了获得需求序列的高斯嵌入和属性编码，采用蒙特卡洛抽样方法，对于需求序列编码g$计算如下所示：

4.如权利要求2所述一种用于跨城市物流需求预测的多粒度图学习系统，其特征在于：...

【专利技术属性】
技术研发人员：王帅，夏凯文，林丽，郑安琪，惠维，
申请(专利权)人：东南大学，
类型：发明
国别省市：