Jun, 2024

面向 BIM 创作工具的命令推荐系统的研究

PDF
TL;DR该研究探索了序贯推荐系统在加速 BIM 建模过程中的潜力，通过将 BIM 软件命令视为可推荐项目，引入了一种新颖的端到端方法，根据用户的历史交互预测下一个最佳命令，结果是在 BIM 创作工具 Vectorworks 中提供实时的命令建议。后续实验验证了我们提出的模型优于以往的研究，展示了推荐系统在提高设计效率方面的巨大潜力。
bim softwaremodel-based designsequential recommendation systemstransformer architecturesdesign efficiency
发现论文，激发创造
  • 利用大型预训练语言模型和建筑信息模型进行交互式设计

    本研究探讨了 AI 生成模型，特别是 OpenAI 的生成预训练变压器（GPT）系列，当与建筑信息建模（BIM）工具集成为交互式设计助手时的潜力。研究通过开发和实施三个关键组成部分来完成，最终验证了该方法的有效性。

    Jun, 2023

  • 自动化生成 BIM 模型的追溯方法：建筑环境 3D 语义重建的统一框架

    本论文介绍了 SRBIM，这是一个统一的语义重建架构用于 BIM 生成，通过广泛的定性和定量评估证明了我们方法的有效性，为自动 BIM 建模建立了一个新的范式。

    Jun, 2024

  • BERT4Loc: 基于 BERT 的位置推荐系统

    本研究提出了一个基于 BERT 的定位感知推荐系统，该系统可以从基于位置的社交媒体平台中提取位置信息，并根据用户的历史行为和偏好，为用户提供更相关的位置推荐结果，该模型在大量的实验数据集中一致优于现有的顺序模型。

    Aug, 2022

  • BIM-GPT: 一个基于提示的 BIM 信息检索虚拟助手框架

    BIM-GPT 是一种基于 BIM 和 GPT 技术的基于提示的 VA 框架，可用于从建筑信息模型中有效地提取信息，提高 BIM 可访问性，降低工程努力和处理自然语言查询所需的训练数据要求和难度。

    Apr, 2023

  • BERT4Rec: 使用 Transformer 的双向编码器表示进行序列推荐

    利用双向编码表示从历史行为中建模用户的动态演变偏好对于推荐系统至关重要，我们通过使用 Cloze 任务对历史序列项进行联合编码来解决这个问题，并在四个基准数据集上展开广泛实验，结果显示我们的模型在各种顺序模型中表现出色。

    Apr, 2019

  • A-Scan2BIM: 辅助扫描到建筑信息建模

    本文介绍了一种用于辅助建筑师的系统，将大型点云转换为建筑的标准化数字表示，用于建筑信息建模（BIM）应用。系统通过自动地预测一系列建模编辑操作来帮助建筑师进行 Scan-to-BIM 过程，并且提供了建筑规模的 Scan2BIM 数据集以及重建质量和操作顺序的度量。

    Nov, 2023

  • 多任务端到端训练改善对话式推荐

    本文基于 T5 文本转文本的 transformer 模型，将多任务端到端模型应用于对话推荐任务，实现了推荐相关项目和生成对话的双重目标，其中多任务学习和来自 ReDIAL 数据集的探针研究得到了应用。

    May, 2023

  • 阿里巴巴电商推荐中的行为序列变换器

    该研究使用基于 Transformer 模型的深度学习方法，通过捕捉用户行为序列中的顺序信号来改进推荐系统，实验结果表明相较于基线算法，该模型在淘宝上线后获得显著的点击率提升。

    May, 2019

  • 基于 Transformer 模型的智能电子商务推荐的文本理解与生成

    Transformer 结构预训练模型在电子商务领域的核心应用场景包括但不限于产品描述的自动生成、用户评论的情感分析、个性化推荐系统的构建和客服对话的自动处理。本研究通过对模型的工作原理、实施过程和具体案例中的应用效果进行详细分析，强调了预训练模型在理解复杂用户意图和提高推荐质量方面的独特优势，并讨论了未来的挑战和改进方向，例如如何进一步提高模型的泛化能力、处理大规模数据集的能力以及保护用户隐私的技术策略。最终，该论文指出 Transformer 结构预训练模型在电子商务领域不仅推动了技术创新，还给商家和消费者带来了实质性的利益，并展望这些模型在电子商务和其他领域将继续发挥关键作用。

    Feb, 2024

  • 电商基于会话的推荐的多模态特征和后融合上下文的 Transformer

    本文介绍了 SIGIR 2021 Workshop on E-commerce Data Challenge 中获胜的 Session-based recommendation 算法解决方案，该方案受自然语言处理技术启发，由两个 Transformer 架构 - Transformer-XL 和 XLNet - 的整合组成，通过联合表格事件、文本和图像向量构建多模型特征来解决该任务。同时，文章还对模型的预测效果进行了分析。

    Jul, 2021