-
公开(公告)号:CN119938899A
公开(公告)日:2025-05-06
申请号:CN202510038762.9
申请日:2025-01-10
Applicant: 东北大学
IPC: G06F16/335 , G06F40/194 , G06F40/258 , G06F40/279 , G06F40/30 , G06F18/2431
Abstract: 本发明属于人工智能技术领域,公开了一种基于小语言模型的长文本金融事件抽取与关键事件提取方法及系统。本发明提出一种长文本金融公告的事件抽取方法,通过文本摘要模块对公告内容进行提炼,去除冗余信息,减少了处理资源并提升了抽取准确性。同时,针对小语言模型在单文档事件抽取中出现的共指现象,提出了一种并指消融策略,从而有效提高了事件识别的准确度,经对比实验证明,本发明所提出的方法提升了事件要素抽取的准确率和召回率。通过构建事件交互层,实现了多文档间事件信息的流动和互补,确保事件描述的完整性和连贯性,显著增强了关键事件提取的全面性和准确性,为金融分析提供了更为丰富的事件信息支持。
-
公开(公告)号:CN113673684B
公开(公告)日:2024-08-02
申请号:CN202110973801.6
申请日:2021-08-24
Applicant: 东北大学
IPC: G06N3/082 , G06N3/0495 , G06N3/047 , G06N7/01 , G06F18/22 , G06F18/23213 , G06F16/17 , G06F16/215 , G06F16/22
Abstract: 本发明公开一种基于输入修剪的边缘端DNN模型加载系统及方法,系统包括管理模块和压缩模块,其中管理模块包括样本管理模块、模型训练模块和模型管理模块;压缩模块包括压缩模式选择模块、数据压缩模块、模型压缩与重训练模块和压缩日志记录模块;采用该系统本发明基于样本数据构建贝叶斯网络并对网络进行训练,根据贝叶斯网络对模型的输入与输出进行关联性分析,并根据帕累托最优构建代表输入影响度的双向列表,以优化逐个删除输入属性带来的较高时间复杂度;最后结合聚类算法对输入数据属性间的相似性进行分析,并根据以上两种压缩策略及它们的衍生压缩策略完成对模型的个性化和智能化压缩加载,提升了边缘端的整体性能和部署模型的数量。
-
公开(公告)号:CN113672608B
公开(公告)日:2023-07-25
申请号:CN202110978851.3
申请日:2021-08-25
Applicant: 东北大学
IPC: G06F16/215 , G06F16/22 , G06F16/31 , G06F16/23 , G16Y20/00
Abstract: 本发明公开一种基于自适应约简阈值的物联网感知数据约简系统及方法,系统包括数据加载模块、自适应数据约简模块和数据重建模块;采用这个系统进行数据约简的方法基于实时的物联网感知数据,在传感器端通过概念漂移检测对数据变化趋势建模,基于漂移检测动态自适应确定卡尔曼滤波器的约简阈值,基于卡尔曼滤波器的数据估计与实际值之差约简数据并将约简后的数据和建模的数据趋势上传至边缘端,在边缘端根据约简后数据与数据趋势重建数据,最终达到在保证数据准确率和数据质量的前提下减少数据采集和传输的目的,同时可以显著降低传感器节点的能源消耗以及边缘端数据存储。
-
公开(公告)号:CN112685139A
公开(公告)日:2021-04-20
申请号:CN202110030466.6
申请日:2021-01-11
Applicant: 东北大学
Abstract: 本发明提供一种基于K8S和Kubeedge的云边深度学习模型管理系统及模型训练方法。所述系统包括云端服务器、边缘智能设备和云边通信模块,首先在云端服务器上创建深度学习任务,根据用户配置参数构建深度学习模型并进行预训练,如果需要云边协同训练时,通过云边通信模块将边缘侧深度学习任务以及预训练模型传输给边缘智能设备,利用采集的样本数据对预训练模型再次进行训练,并将训练后的模型上传回云端服务器,通过云端服务器进行模型参数的融合,生成云边协同训练后的模型,本发明借助边缘智能设备采集的应用场景的样本数据训练深度模型,让云端服务器的模型掌握不同应用场景的环境差异和需求,从而解决样本不足和应用环境间差异的问题。
-
公开(公告)号:CN111556630A
公开(公告)日:2020-08-18
申请号:CN202010604225.3
申请日:2020-06-29
Applicant: 东北大学
IPC: H05B47/105 , H05B47/11 , H05B47/13 , H05B47/165 , G06K9/62
Abstract: 本发明提供一种基于贝叶斯网络的智能灯自适应场景识别系统及方法,涉及机器学习和物联网技术领域。该系统包括灯光传感器、距离传感器、红外传感器、树莓派、数据收集及管理模块、智能灯自适应场景识别模块和智能灯动态调节模块。本方法能够基于环境信息和用户对智能灯的调控信息对场景进行预测,让智能灯系统根据人们的习惯进行自学习,达到无论在什么场景下都能让人们在一个舒适的光照环境下生活和工作,实现智能灯控制系统的个性化和自适应调节。
-
公开(公告)号:CN102130955A
公开(公告)日:2011-07-20
申请号:CN201110066547.8
申请日:2011-03-18
Applicant: 东北大学
IPC: H04L29/08
Abstract: 基于协同过滤的组合服务备选服务集生成系统及方法,属于计算机领域,系统包含使用信息整理及模式单元和备选集及初始实例生成单元;方法为A判断,B查找,C形成模式,D计算QoS信息,E输入调用参数,F建立内存结,G得到输入数据量和调用时刻,H填入内存结构中;I匹配,QoS信息存在且连续则返回转P,J不完全属于已存在模式,K查找信息,不存在转N,LQoS为-1,M没有则预测,N没有执行信息则预测QoS;0计算相似度,P进行降序排序,Q计算可靠性,R选择备选服务集,S形成运行实例。本发明使得预测的结果更有针对性,更准确。
-
公开(公告)号:CN115221955A
公开(公告)日:2022-10-21
申请号:CN202210829762.7
申请日:2022-07-15
Applicant: 东北大学
Abstract: 本发明设计基于样本差异分析的多深度神经网络参数融合系统及方法,属于深度学习和神经网络领域;包括代表性样本选取模块、边缘样本特征差异系数计算模块和多边参数融合模块;所述代表性样本选取模块从边缘样本集中选取最佳边界训练数据,以此作为边缘代表性样本数据,并将其发送到边缘样本特征差异系数计算模块,边缘样本特征差异系数计算模块对边缘代表性样本数据每一维度进行差异性计算,得到边缘代表性样本数据的差异系数;基于差异系数,多边参数融合模块对深度神经网络模型参数进行参数融合;对有需要的边缘设备端神经网络模型参数进行融合调整,有效的提升边缘设备端神经网络模型的质量,进而提升边缘设备端实时决策的能力。
-
公开(公告)号:CN115203478A
公开(公告)日:2022-10-18
申请号:CN202210820128.7
申请日:2022-07-13
Applicant: 东北大学
Abstract: 本发明提供一种基于物联网数据动态相关分析的数据约简系统及方法,所述系统包括环境变化检测模块、相关关系集构建模块、替代关系生成模块、传感器替代模型求解模块和替代关系动态调整模块;该方法动态地对多传感器进行分组得到相关关系集,基于相关关系集生成传感器替代模型用于数据约简和数据重建。同时根据数据相关性的实时变化动态修正感器数据间的相关关系,并可动态地更新替代关系和替代模型,因而保证了自适应地通过传感器间替代关系降低被预测传感器传输率的约简目的。
-
公开(公告)号:CN109612488A
公开(公告)日:2019-04-12
申请号:CN201811601248.8
申请日:2018-12-26
Applicant: 东北大学
IPC: G01C21/34
Abstract: 本发明提供基于大数据微服务的混合出行方式路径规划系统及方法,涉及大数据服务与微服务技术领域。本发明步骤如下:步骤1:对用户请求中的出行参数进行解析,将参数转换成符合核心算法函数的输入参数;步骤2:根据参数中的出行出发点和目的地确定出行涉及到的范围;步骤3:根据出行范围,从本地数据库中提取基础路网数据和交通信息;步骤4:处理数据和信息,得到带有出行方式权值的邻接矩阵;步骤5:根据用户给定的标准和邻接矩阵,生成最优的多条推荐路径;步骤6:根据步骤5生成多个符合条件的最优出行方案将数据响应给用户。本方法摆脱了以公交为基础出行方式的生成限制,可根据用户出行方式需求,最终形成符合条件的最优组合。
-
公开(公告)号:CN102130955B
公开(公告)日:2013-05-08
申请号:CN201110066547.8
申请日:2011-03-18
Applicant: 东北大学
IPC: H04L29/08
Abstract: 基于协同过滤的组合服务备选服务集生成系统及方法,属于计算机领域,系统包含使用信息整理及模式单元和备选集及初始实例生成单元;方法为A判断,B查找,C形成模式,D计算QoS信息,E输入调用参数,F建立内存结,G得到输入数据量和调用时刻,H填入内存结构中;I匹配,QoS信息存在且连续则返回转P,J不完全属于已存在模式,K查找信息,不存在转N,LQoS为-1,M没有则预测,N没有执行信息则预测QoS;0计算相似度,P进行降序排序,Q计算可靠性,R选择备选服务集,S形成运行实例。本发明使得预测的结果更有针对性,更准确。
-
-
-
-
-
-
-
-
-