-
公开(公告)号:CN115705248A
公开(公告)日:2023-02-17
申请号:CN202110941677.5
申请日:2021-08-17
Applicant: 中国移动通信集团辽宁有限公司 , 中国移动通信集团有限公司
Inventor: 杨猛
IPC: G06F9/50
Abstract: 本申请实施例提供一种数据处理方法、装置、设备及介质。该方法包括:接收多个计算终端分别发送的第一行为数据值;在第一预设时间内未接收到多个计算终端中第一计算终端发送的第一目标行为数据值情况下,分别向第一计算终端和第二计算终端发送第一计算指令;在第二预设时间内未接收到第一目标行为数据值的情况下,基于接收到的第二计算终端发送的第一行为数据值确定每一计算终端的总行为数据值,以及向第一计算终端发送第二计算指令;向多个计算终端发送第三计算指令,以及每一计算终端的总行为数据值。根据本申请实施例,减少了计算资源的浪费。
-
公开(公告)号:CN115883328B
公开(公告)日:2025-04-25
申请号:CN202211587433.2
申请日:2022-12-09
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: H04L41/0631 , H04L41/12 , H04L41/14 , H04L67/10
Abstract: 本申请公开了一种大数据集群故障分析方法、装置、设备、介质及产品,其中,大数据集群故障分析方法包括:获取由多个第一分析模型构成的第一有向无环图;根据第一有向无环图确定多个第一分析模型的第一拓扑顺序;获取多个第一分析模型生成的多个第一分析任务,每个第一分析模型生成一个第一分析任务;根据第一拓扑顺序执行每个第一分析模型生成的第一分析任务,获得每个第一分析任务对应的第一分析结果;根据每个第一分析任务对应的第一分析结果,确定每个第一分析任务对应的分析对象的故障分析结果。根据本申请实施例,能够精准的对故障进行预测与定位,提高故障分析的准确率。
-
公开(公告)号:CN115514761B
公开(公告)日:2024-12-13
申请号:CN202110620110.8
申请日:2021-06-03
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: H04L67/10 , H04L67/12 , G06N20/20 , H04L67/141 , H04L67/562 , H04L9/40 , H04L41/14
Abstract: 本发明提供一种联邦学习环境下的数据共享与协同方法及系统,所述方法包括:数据提供节点从本地的中台层中提取数据并按照第一预设协议格式发布;数据评估节点获取数据提供节点发布的数据,并基于共享数据安全评估协议对数据提供节点发布的数据进行数据相对价值评估;数据协同任务发起节点获取目标数据,基于目标数据训练得到目标模型,并对目标数据进行数据动态价值评估;数据协同任务发起节点对所述目标数据中每个数据提供节点发布的数据进行数据应用价值评估;数据协同任务发起节点计算数据提供节点在当前数据协同任务中的激励,并根据所述激励向所述数据提供节点进行支付和结算。本发明可降低联邦学习大规模落地应用的难度。
-
公开(公告)号:CN112651416B
公开(公告)日:2024-09-17
申请号:CN201910962985.9
申请日:2019-10-11
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/211
Abstract: 本发明公开了特征选择方法、装置、设备和介质。该方法包括:获取原始特征集的当前待寻优特征子集;将原始特征集的候选特征子集中的第一特征加入当前待寻优特征子集,得到第一特征子集;从第一特征子集中剔除第二特征,得到第二特征子集;若第二特征子集不优于当前待寻优特征子集,将第一特征子集作为下一待寻优特征子集,直至第一特征子集满足预设停止准则,将第一特征子集选定为原始特征集的最优特征子集。根据本发明实施例提供的特征选择方法、装置、设备和介质,可以提高特征选择的精确度。
-
公开(公告)号:CN113808755B
公开(公告)日:2024-08-13
申请号:CN202010552673.3
申请日:2020-06-17
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G16H50/80 , G16H50/50 , G06F18/243 , G06F18/27 , G06N20/20 , H04W4/021 , G16Y10/60 , G16Y20/10 , G16Y20/40 , G16Y40/10 , G16Y40/60
Abstract: 本发明实施例公开了一种感染人群预测模型训练的方法、预测的方法、装置、设备。通过获取多个待测用户的特征信息,所述特征信息包括在预设时间段内待测用户处于感染基站覆盖区域的次数,待测用户的年龄,待测用户是否为感染用户的属性信息,待测用户的消费信息中的至少一种;基于所述多个待测用户的特征信息,训练初始模型作为感染人群预测模型。本发明实施例解决了无法及时准确预测感染者的问题,提高了预测感染者的速度和精确度。
-
公开(公告)号:CN116955309A
公开(公告)日:2023-10-27
申请号:CN202210937600.5
申请日:2022-08-05
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/21
Abstract: 本申请涉及数据迁移技术领域,提供一种数据迁移方法和装置。所述方法包括:读取源数据库中的待迁移数据;将所述待迁移数据转换成中间数据;获取目标数据库的目标数据格式;将所述中间数据的格式转换成所述目标数据格式;确定迁移阈值,根据所述迁移阈值将所述目标数据格式的所述中间数据迁移至所述目标数据库。本申请实施例提供的数据迁移方法,无需预先进行代码的人工配置,也不需要考虑数据库类型,从而摆脱了海量数据的人工迁移,实现数据迁移的自动化,有效提升了数据迁移效率以及准确率。
-
公开(公告)号:CN116861229A
公开(公告)日:2023-10-10
申请号:CN202210321585.1
申请日:2022-03-25
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/214 , G06F16/29 , G06N20/20 , H04W4/029
Abstract: 本发明提供一种基于多维组合位置行为轨迹链的行为分析方法及装置,所述方法包括:采用精准定位和模式匹配结合的定位方式对用户进行全网测量报告MR定位;基于MR定位结果分别对用户进行室内外识别、楼宇分层识别及运动态识别;采用集成学习技术对位置定位模型进行训练,并对用户位置进行预测;构建基于用户位置的空间大数据库,并基于所述空间大数据库进行用户行为的预测及分析。本发明提供的基于多维组合位置行为轨迹链的行为分析方法及装置,通过多维组合定位及集成学习的方式构建基于用户位置行为的三位一体的位置定位模型,并构建基于用户位置的空间大数据库对用户行为进行预测分析,保证了对用户行为真实性及合理性的判别。
-
公开(公告)号:CN116703740A
公开(公告)日:2023-09-05
申请号:CN202210769005.5
申请日:2022-06-30
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06T5/00 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明实施例提供了一种图像去噪方法、装置和计算机可读存储介质,所述方法包括:基于随机的噪音图像集生成噪音集合;利用所述噪音集合以及改进的生成对抗网络GAN进行噪声建模;所述改进的GAN由两个生成器和两个鉴别器组成;利用噪声建模得到的模型生成与干净图像集成对匹配的噪音图像集,汇总两图像集得到训练数据集;基于所述训练数据集训练深度神经网络CNN模型得到去噪模型,用于对待处理图像进行去噪处理。
-
公开(公告)号:CN115880015A
公开(公告)日:2023-03-31
申请号:CN202111143740.7
申请日:2021-09-28
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06Q30/0601 , G06F18/24 , G06F16/9535
Abstract: 本发明提供一种信息推荐方法及装置。其中,该方法包括:基于枢纽节点联合参与方的数据点,并利用预设密度聚类算子对多域联合数据进行密度聚类分群,得到特征空间差异化的用户群;根据所述用户群的订购产品统计结果,确定预设产品类别对应的初始的偏好用户群分类结果;将所述偏好用户群分类结果输入到相应的模型分类器中基于偏好概率进行产品潜客筛选,得到所述模型分类器输出的目标用户群及其对应的偏好产品类别。采用本发明方法,能够以群为单位进行并行模型预测,根据偏好概率精筛用户,提升了客户分群的准确率和产品推荐效率,为各类别产品细筛出偏好度高的用户群进行精准营销,极大的节省了内部资源,减少获客成本,有效提高了运营效率。
-
公开(公告)号:CN115828174A
公开(公告)日:2023-03-21
申请号:CN202211555885.2
申请日:2022-12-06
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/2431 , G06Q10/04 , G06Q30/016
Abstract: 本申请公开了一种模型构建方法、装置、设备、介质和产品。该模型构建方法包括:获取多个用户的特征数据;其中,每个用户具有多个特征数据;每个所述特征数据为所述用户投诉的业务所对应的数据;基于各用户的所述特征数据,以及距离哈希函数,得到哈希函数族;基于所述哈希函数族,构建哈希树;基于多个哈希树,构建距离哈希森林;以基于所述距离哈希森林预测待检测用户是否为待投诉用户。根据本申请实施例,无需确定该用户是否为投诉用户,这样可不需要对投诉用户添加标签,实现无监督学习,得到预测待投诉用户的模型,提升了投诉用户预测的精确性。
-
-
-
-
-
-
-
-
-