-
公开(公告)号：CN116503026A
公开(公告)日：2023-07-28
申请号：CN202310753876.2
申请日：2023-06-26
Applicant: 广东省科技基础条件平台中心
IPC: G06Q10/10 , G06N3/0464 , G06Q10/0635 , G06Q10/0639
Abstract: 本发明公开了一种科技项目的运维风险评估方法、系统及存储介质，该方法包括：对科技项目申报材料及其对应的评审报告材料进行数据特征提取，构建样本数据集；根据对样本数据集过采样处理后得到的均衡样本数据集，对混合随机森林算法的径向基神经网络进行训练，得到科技项目风险评估模型；对当前上传的科技项目文件进行数据特征提取，得到科技项目文件的项目评估指标；根据科技项目文件的项目评估指标，采用科技项目风险评估模型进行预测，得到科技项目文件的运维风险等级；本发明采用混合随机森林算法的径向基神经网络对上传的科技项目文件进行风险预测，可以减少传统专家评估模式导致的误差，提高科技项目文件进行运维风险评估的准确性。
-
公开(公告)号：CN109102164B
公开(公告)日：2021-09-14
申请号：CN201810801268.3
申请日：2018-07-20
Applicant: 广东省科技基础条件平台中心
Abstract: 本发明涉及平台评估方法、装置、计算机设备和存储介质，属于数据处理技术领域。所述方法包括：获取平台的多个候选评估指标；根据所述多个候选评估指标与预设评估方向的对应关系，确定包含有候选评估指标的评估指标集合；确定所述评估指标集合对应的平台数据，作为集合数据；获取所述评估指标集合对应的目标评估指标；所述目标评估指标通过所述集合数据聚类得到；根据所述目标评估指标对所述平台进行评估。上述技术方案，解决了对平台的评估不够准确的问题。能准确地对平台进行评估。
-
公开(公告)号：CN109190051A
公开(公告)日：2019-01-11
申请号：CN201811447333.3
申请日：2018-11-29
Applicant: 广东省科技基础条件平台中心
IPC: G06F16/9535 , G06K9/62
CPC classification number: G06K9/6218
Abstract: 本发明涉及一种用户行为分析方法和基于该分析方法的资源推荐方法，其中用户行为分析方法包括：根据某用户的行为数据生成有向行为图；计算所述有向行为图的行为边权重，提取有效路径；将行为数据分为定向需求和模糊需求；将多个用户的定向需求特征放入用户需求关系库中；对多个相似用户的模糊需求特征和/或多个用户的相似模糊需求特征进行聚类分析，将得到的相似用户需求特征集和/或相似需求用户特征集放入用户需求关系库中；根据有向行为图生成资源角色框架；根据资源角色框架、用户需求关系库生成决策树。资源推荐方法包括：获取用户的模糊需求特征，根据决策树向用户推荐资源。本发明可以降低新用户行为分析的难度，挖掘新用户的模糊需求。
-
公开(公告)号：CN105446954A
公开(公告)日：2016-03-30
申请号：CN201510797445.1
申请日：2015-11-18
Applicant: 广东省科技基础条件平台中心
IPC: G06F17/27
CPC classification number: G06F17/2775 , G06F17/2785
Abstract: 本发明是一种面向科技大数据的项目查重方法，该方法根据历年的科技项目立项信息构建领域本体，然后对新申报的项目信息跟已有的项目信息进行相似度比较，进行中文分词、去停用词等一系列操作后，提取出关键特征词汇，对每个文本的关键特征词分别构建最长公共序列并计算特征词的词序因子，将词序因子引入领域本体的概念相似度计算，可得出每个特征词的相似度值进而进行相似度评价从而得出查重结论，本发明方法在现有的中文文本词序相似度计算方法上结合了领域本体处理即语义相似度和时序因子相结合，相似度计算效果将更佳。
-
公开(公告)号：CN115984662B
公开(公告)日：2023-08-04
申请号：CN202310272537.2
申请日：2023-03-21
Applicant: 广东省科技基础条件平台中心
IPC: G06V10/80 , G06N3/0455 , G06N3/0895 , G06V10/74 , G06V10/82
Abstract: 本发明公开了一种多模态数据预训练及识别方法、装置、设备及介质，通过对采集获得的缺陷基础数据进行多源异构数据融合，构建缺陷场景规则数据库；从所述缺陷场景规则数据库中提取缺陷类型信息、特征信息和场景信息，进行数据关联，提取出所述缺陷场景规则数据库的场景因子；构建携带缺陷场景信息的自编码网络结构模型，将所述场景因子融入所述自编码网络结构模型中，并输入由各类缺陷的样本数据进行编码得到的特征向量，进行数据与规则的匹配训练，生成模态识别模型；根据所述模态识别模型对待检测样本进行缺陷识别。能够提高产品缺陷检测准确率和模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116502918A
公开(公告)日：2023-07-28
申请号：CN202310533659.2
申请日：2023-05-12
Applicant: 广东省科技基础条件平台中心
IPC: G06Q10/0637 , G06Q50/26
Abstract: 本申请提供一种科技创新平台的创新能力评价方法，涉及创新能力评价技术领域。该方法包括获取各科技创新平台的创新成果数据，建立评价数据库；结合各科技创新平台的创新领域确定创新评价点；基于创新能力评价点集中的创新评价点，获取历史评价参数，并确定创新评价基准；确定各科技创新平台的优势创新评价点和短板创新评价点；根据优势创新评价点建立优势创新评价模型；根据短板创新评价点建立短板创新评价模型；结合优势创新评价模型和短板创新评价模型对各科技创新平台进行创新评价，形成创新综合评价结果数据。其能够高效且合理的对科技创新平台进行创新能力评价，以为科技创新平台的发展和创新能力检验提供可靠的参考数据。
-
公开(公告)号：CN110059316B
公开(公告)日：2023-07-07
申请号：CN201910304667.3
申请日：2019-04-16
Applicant: 广东省科技基础条件平台中心 , 广东省科技基础条件平台建设促进会
Abstract: 本发明涉及一种基于数据感知的动态科技资源语义分析方法，包括以下步骤：面向数据存储层，构造基于资源组合框架的感知节点；面向用户层，根据用户信息和用户的输入，基于感知节点部署感知采集网络；面向用户资源交互层，通过感知采集网络读取用户行为数据，根据用户行为数据部署感知决策计算网络；面向资源层，根据感知决策计算网络构造资源语义生成树。本发明通过部署面向数据存储层、用户层、用户资源交互层、资源层的分级感知网络，以形成自学习、自主优化的语义分析方法，可以实现资源与资源间、用户与资源间、用户与用户间、存储节点间的实时感知与反馈系统优化，有效解决现有科技资源管理平台的缺陷。
-
公开(公告)号：CN115984662A
公开(公告)日：2023-04-18
申请号：CN202310272537.2
申请日：2023-03-21
Applicant: 广东省科技基础条件平台中心
IPC: G06V10/80 , G06N3/0455 , G06N3/0895 , G06V10/74 , G06V10/82
Abstract: 本发明公开了一种多模态数据预训练及识别方法、装置、设备及介质，通过对采集获得的缺陷基础数据进行多源异构数据融合，构建缺陷场景规则数据库；从所述缺陷场景规则数据库中提取缺陷类型信息、特征信息和场景信息，进行数据关联，提取出所述缺陷场景规则数据库的场景因子；构建携带缺陷场景信息的自编码网络结构模型，将所述场景因子融入所述自编码网络结构模型中，并输入由各类缺陷的样本数据进行编码得到的特征向量，进行数据与规则的匹配训练，生成模态识别模型；根据所述模态识别模型对待检测样本进行缺陷识别。能够提高产品缺陷检测准确率和模型的鲁棒性。
-
公开(公告)号：CN108647729B
公开(公告)日：2022-03-04
申请号：CN201810455403.3
申请日：2018-05-11
Applicant: 广东省科技基础条件平台中心 , 广东省科技基础条件平台建设促进会
IPC: G06K9/62 , G06F16/583 , G06V10/762
Abstract: 本发明具体涉及一种用户画像获取方法，能够通过对用户的基础数据及与基础数据对应的用户行为日志分别进行分类和分析，能做较好地建立用户分类模型和用户行为模型，并通过这两个模型获取不同用户的用户画像。
-
公开(公告)号：CN110046225B
公开(公告)日：2020-11-24
申请号：CN201910305437.9
申请日：2019-04-16
Applicant: 广东省科技基础条件平台中心 , 广东省科技基础条件平台建设促进会
Abstract: 本发明涉及一种科技项目材料完整性评估决策模型训练方法，包括以下步骤：S1.制定结构化或非结构化评估规则；S2.基于结构化或非结构化评估规则建立评估规则树；S3.获取训练样本，根据评估规则树对训练样本进行训练，得到立项评估决策模型。本发明通过智能化机器训练方法生成用于自适应立项审查的决策模型，提高立项审查效率，减小人工审查压力，加快科技计划实施进度。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.036 seconds)
