-
公开(公告)号：CN117196032A
公开(公告)日：2023-12-08
申请号：CN202311256349.7
申请日：2023-09-26
Applicant: 长三角信息智能创新研究院
IPC: G06N5/025 , G06N5/02 , G06F40/295 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/0499 , G06N3/09 , G06F40/211
Abstract: 本发明公开了一种用于智能决策的知识图谱构建方法、装置、电子设备及存储介质，属于工业智能技术领域。本发明的知识图谱构建方法，该方法包括：输入文本数据，采用融合分词特征的BERT‑BiLSTM‑CRF实体识别模型，获取输入文本的序列标签；采用R‑BertTransformer实体关系抽取模型对领域文本事件关系进行抽取；使用序列标注模型BERT‑BiLSTM‑CRF对事件触发词进行抽取，随后采用基于规则的方法抽取事件核心词，最后采用基于规则的方法抽取文本数值知识；基于深度学习的事件关系抽取模型抽取事件之间的事理关系。采用本发明的知识图谱构建方法，事件抽取准确率可达80％以上，事理关系识别精度F1值最高可达0.75，满足实际应用需求。
-
公开(公告)号：CN116821578A
公开(公告)日：2023-09-29
申请号：CN202210260777.6
申请日：2022-03-16
Applicant: 长三角信息智能创新研究院
IPC: G06F17/16 , G06F30/27 , G06F18/214 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本发明公开基于近似分布的动态OD矩阵反推的方法、装置及存储介质，该方法根据地图所划分的OD节点，对OD节点之间的路段进行聚合处理，利用交通模拟器采集训练数据；设计基于深度学习的分布提取模型，通过采集的训练集训练直到模型收敛；该模型针对特定地图和OD划分拟合OD节点和OD间路段流量等特征到OD分布的映射函数，具有根据OD节点和OD间路段特征推断时序和空间OD分布的泛化能力；将真实OD节点和OD间路段特征输入模型，输出关于真实OD分布的近似分布；融合OD分布与带约束的优化，设计新的优化器，实施模拟器和bi‑level框架对初始的随机OD矩阵进行模拟和迭代更新的求解方法，直至OD矩阵数值收敛即得到反推的OD矩阵。其有效提升了反推OD矩阵的准确性。
-
公开(公告)号：CN111723306B
公开(公告)日：2023-07-25
申请号：CN202010474780.9
申请日：2020-05-29
Applicant: 长三角信息智能创新研究院
IPC: G06F16/9537 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于地理感知的序列位置推荐方法，可以充分利用用户和历史行为轨迹的丰富元数据(用户ID，时间戳，位置和地点经纬度信息)来解决位置推荐的问题；同时，利用基于自注意力网络的地理感知序列推荐器GeoSAN来进行对用户位置的推荐，相比于传统模型，对地理信息有了更充分地利用，能够较好地解决数据稀疏性问题，对于推荐的结果，在多个评价指标上有一定的提高。
-
公开(公告)号：CN111723305B
公开(公告)日：2023-05-23
申请号：CN202010473847.7
申请日：2020-05-29
Applicant: 长三角信息智能创新研究院
IPC: G06F16/9537 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种预测用户下一轨迹点的方法，爬取一定量的数据：用户的ID，用户对应的一系列短期和长期历史轨迹点的位置信息，每个轨迹点的时间戳；基于爬取的信息构建特征交互自注意力网络模型，再结合每个用户的长期历史轨迹点的位置信息经过自注意力层的结果做注意力；利用交叉熵损失函数对参数进行最优化训练；对于一个新用户及其一系列的历史轨迹点，利用ID信息、用户对应的一系列历史轨迹点的位置信息，每个轨迹点的时间戳，来构建一系列的实例并以此输入至训练好的特征交互自注意力网络模型中，从而得到一系列的预测位置的排序得分。该方法解决了利用用户和其历史轨迹的丰富元数据来预测下一个轨迹点的难题，预测准确度大大提升。
-
公开(公告)号：CN116049168A
公开(公告)日：2023-05-02
申请号：CN202211392114.6
申请日：2022-11-08
Applicant: 长三角信息智能创新研究院
IPC: G06F16/22 , G06F16/242 , G06F16/27 , G06F16/28 , G06F16/36
Abstract: 本发明公开了一种基于居民数据关系聚合画像模型计算居民画像的方法，所述方法包括：步骤1、梳理收集居民信息；步骤2、汇聚居民信息数据；步骤3、数据同步服务；步骤4、建立标签；步骤5、建立用户画像；步骤6、标签数据搜索；步骤7、标签计算任务服务；步骤8、标签存储服务；步骤9、失败补偿机制；步骤10、重新计算逻辑。该方法使得基层治理工作中数据更加准确，便于基层人员查询和维护，提高工作效率，提升基层工作满意度。
-
Patent Agency Ranking
公开(公告)号：CN114282165B
公开(公告)日：2023-04-07
申请号：CN202111503979.0
申请日：2021-12-10
Applicant: 长三角信息智能创新研究院
IPC: G06F17/16 , G06F17/18 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种双层深度学习模型反推OD矩阵的方法、装置以及存储介质，其中该方法包括：自动划分OD节点，初始化OD参数矩阵，采用模拟器并行提取模拟OD节点间路段总流量，模拟OD节点历史属性序列的方法；利用下层分配概率预测模型抽取图结构历史融合表征，对初始OD参数矩阵进行自相关提取的特征；并融合以上特征预测流量分配概率矩阵的方法；采用并行模拟和经验池存储模拟数据训练下层分配概率预测模型，待收敛后将其固定，利用真实OD节点历史属性序列，真实OD节点间路段总流量，修正上层OD参数矩阵的方法；迭代上下层训练至OD矩阵参数收敛即为反推OD矩阵。该方法构建深度学习模型，融合交通时空信息，有效提升了反推OD矩阵的准确性。
-
公开(公告)号：CN114844708A
公开(公告)日：2022-08-02
申请号：CN202210494732.5
申请日：2022-05-07
Applicant: 长三角信息智能创新研究院
IPC: H04L9/40 , H04L47/122
Abstract: 本发明涉及计算机网络与网络空间安全领域，公开了一种基于流量重路由的链路泛洪攻击缓解方法、设备及存储介质。所述方法包括：步骤1、寻找拥塞链路；步骤2、搜索修复路径；步骤3、流量重路由。该方法通过SDN控制器运行相关简单高效的算法，改变拥塞数据包的转发路径，实现对拥塞链路的流量重路由，缓解链路泛洪攻击，有效降低防御成本。
-
公开(公告)号：CN114281797A
公开(公告)日：2022-04-05
申请号：CN202111503980.3
申请日：2021-12-10
Applicant: 长三角信息智能创新研究院
Abstract: 本发明公开了一种基于敏捷低代码平台快速创建基层数据汇聚仓库的方法，其特征在于，所述方法包括：步骤一、设计数据模型；步骤二、设计前端；步骤三、设计后端；步骤四、设置规则；步骤五、页面编译构建；步骤六、导入数据源；步骤七、生成页面。该方法极大提高基层专项核查上线效率，降低专业软件开发成本，加快专项响应速度。
-
公开(公告)号：CN113469288A
公开(公告)日：2021-10-01
申请号：CN202110862416.4
申请日：2021-07-29
Applicant: 长三角信息智能创新研究院
Abstract: 本发明公开了一种融合多个机器学习算法的高危人员预警方法，包括：步骤1、数据预处理；步骤2、构建融合多个机器学习算法的模型；步骤3、模型融合；步骤4、模型预测；其中，步骤2中包括构建XGBoost模型、构建CatBoost模型和构建随机森林算法模型。该方法创新了高危人群预测方式，具有更强的泛化能力，实现了精度和稳健性的统一。
-
公开(公告)号：CN115658717A
公开(公告)日：2023-01-31
申请号：CN202210952370.X
申请日：2022-08-09
Applicant: 长三角信息智能创新研究院
IPC: G06F16/24 , G06Q10/0631
Abstract: 本发明公开一种基于多要素编辑距离算法对比人员自动分配镇街村居方法，包括：步骤1、人员信息入库，识别姓名等；步骤2、通过姓名等与系统内数据精确比对；步骤3、对于比对失败的数据，再次与系统内的姓名等进行编辑距离聚合指标评估，获取评估结果；步骤4、当编辑距离聚合指标结果仲裁为可信后，则可依据人口数据信息库中对应人归属的镇街村居进行分配；对不可信的人员，识别其地址信息中的区域和建筑物信息，与人口数据信息库中区域和建筑物信息做精确对比，如对比成功，则依据区域和建筑物归属的镇街村居信息进行人员归属分配。其容错度较高，提升了对比成功的可能性与可靠性，高效辅助镇街村居的日常摸排、核查、入户走访等相关业务开展。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.049 seconds)
