本研究提出了一种自动生成意图知识图谱的框架，旨在解决在线平台理解用户意图的挑战。该框架有效连接意图，提升用户行为建模和未来行为预测能力，并在351百万条边的构建中表现出良好的合理性，成功改善了产品推荐效果。

本研究强调顺序上下文在行为建模中的重要性，提出了一种基于隐马尔可夫模型的序列建模框架，能够有效处理不平衡和稀缺数据。

本文提出了一种新的行为建模框架，包括时态卷积网络（TCFPN）和弱监督训练策略（ISBA），用于视频中的人类行为分割。实验结果表明，该方法在Breakfast和Hollywood Extended数据集上表现优越，并且多种弱监督学习方法在不同数据集上均取得了显著的行为分割效果。

本研究提出四种算法用于寻找人工神经网络结构，用于行为建模特定的动态过程。采用经过优化选择的循环型人工神经网络，平衡神经网络的规模和准确性，并验证了研究中提出的演化算子的有效性。