-
公开(公告)号:CN118585340A
公开(公告)日:2024-09-03
申请号:CN202410887013.9
申请日:2024-07-03
Applicant: 北京大数据先进技术研究院
Abstract: 本申请公开了一种边缘数据服务的构建方法及语言模型的训练方法、装置、存储介质、设备和计算机程序产品,属于边缘数据服务领域,包括:响应于对边缘数据任务的请求,确定用以处理所述边缘数据任务的边缘服务平台的运行环境参数,并确定所述边缘数据任务的行为树;将所述行为树以及所述运行环境参数输入第一语言模型,以获得所述边缘数据任务的至少一个数据服务;将全部的数据服务以及所述运行环境参数输入第二语言模型,以从全部的数据服务中确定目标数据服务;构建所述目标数据服务,并按照所述目标数据服务执行所述边缘数据任务。解决了边缘数据服务在重构过程中,难以满足实时性和灵活性的要求的问题。
-
公开(公告)号:CN118394860A
公开(公告)日:2024-07-26
申请号:CN202410608922.4
申请日:2024-05-16
Applicant: 北京大数据先进技术研究院
IPC: G06F16/28 , G06F16/907 , G06F16/2458 , G06Q10/083
Abstract: 本申请提供了一种面向物资运输关系数据库的本体生成方法、装置和设备,涉及物资运输技术领域,该方法包括:从物资运输信息关系数据库中提取元数据,作为关系数据特征;所述关系数据特征至少包括:关系数据库表、数据列、每个表中的主键、外键和约束信息;根据所述关系数据特征,识别所述关系数据特征所属的关系数据设计模式;所述关系数据设计模式为:顶层独立实体关系数据设计模式、类表继承关系数据设计模式、多值属性依赖关系数据设计模式、桥接表关系数据设计模式和多值属性依赖‑桥接表关系数据设计模式中的一者;应用所述关系数据设计模式所映射的本体生成规则,生成物资运输信息本体。
-
公开(公告)号:CN117978623B
公开(公告)日:2024-06-11
申请号:CN202410390822.9
申请日:2024-04-02
Applicant: 北京大数据先进技术研究院
IPC: H04L41/0659 , H04L41/0823 , H04L41/14 , H04L9/40
Abstract: 本申请提供了一种应对网络攻击的韧性数据共享网络构建方法、装置和设备,涉及网络数据安全技术领域,方法包括:以业务应用程序为逻辑网络节点,进行逻辑网络互联,得到逻辑网络;以通信设备为物理网络节点,进行物理网络互联,得到物理网络;通过绑定链路将每个逻辑网络节点挂靠在对应的物理网络节点上,得到数据共享网络;网络修复程序部署在一个逻辑网络节点上用于修复失效的物理链路;随机选择多条物理链路进行网络攻击,计算在该网络修复程序部署下的网络韧性;重复多次执行随机网络攻击,得到网络韧性均值;遍历逻辑网络节点,将最大网络韧性均值所对应的逻辑网络节点确定为最优部署位置,将网络修复程序部署在最优部署位置。
-
公开(公告)号:CN117955898B
公开(公告)日:2024-06-11
申请号:CN202410353875.3
申请日:2024-03-27
Applicant: 北京大数据先进技术研究院
IPC: H04L45/02 , H04L45/247 , G06N3/006 , G06N3/126
Abstract: 本申请提供了一种面向数据共享网络的负载均衡优化方法、装置和产品,涉及数据共享与网络优化技术领域,方法包括:以业务应用程序为逻辑网络节点,进行逻辑网络互联,得到逻辑网络;以通信设备为物理网络节点,进行物理网络互联,得到物理网络;通过绑定链路将逻辑网络节点挂靠在对应的物理网络节点上,得到数据共享网络;进行主路径和备份路径的鲁棒性设计;基于遗传算法,将多个负载均衡优化方案编码为种群个体,生成初始化种群;设计目标函数与约束条件;执行遗传算法,使初始化种群在约束条件下进行种群进化,直至目标函数收敛,确定最优负载均衡优化方案;按照最优负载均衡优化方案,为逻辑链路,确定对应的主路径和备份路径,分配负载资源。
-
公开(公告)号:CN117978623A
公开(公告)日:2024-05-03
申请号:CN202410390822.9
申请日:2024-04-02
Applicant: 北京大数据先进技术研究院
IPC: H04L41/0659 , H04L41/0823 , H04L41/14 , H04L9/40
Abstract: 本申请提供了一种应对网络攻击的韧性数据共享网络构建方法、装置和设备,涉及网络数据安全技术领域,方法包括:以业务应用程序为逻辑网络节点,进行逻辑网络互联,得到逻辑网络;以通信设备为物理网络节点,进行物理网络互联,得到物理网络;通过绑定链路将每个逻辑网络节点挂靠在对应的物理网络节点上,得到数据共享网络;网络修复程序部署在一个逻辑网络节点上用于修复失效的物理链路;随机选择多条物理链路进行网络攻击,计算在该网络修复程序部署下的网络韧性;重复多次执行随机网络攻击,得到网络韧性均值;遍历逻辑网络节点,将最大网络韧性均值所对应的逻辑网络节点确定为最优部署位置,将网络修复程序部署在最优部署位置。
-
公开(公告)号:CN117634302A
公开(公告)日:2024-03-01
申请号:CN202311657941.8
申请日:2023-12-05
Applicant: 北京大数据先进技术研究院
IPC: G06F30/27 , G06F18/214 , G06F18/23 , G06N3/126 , G06F111/06
Abstract: 本申请提供了一种动态服务组合选择方法、装置和产品,涉及服务组合选择技术领域,该方法为:根据服务组合相关信息,生成初始化种群;初始化种群中的每个个体表示一种服务组合;让初始化种群自主进化;确定当前环境发生变化;根据前k代种群的帕累托前沿代表点,预测得到新环境种群的帕累托前沿代表点;根据新环境种群的帕累托前沿代表点,扩展得到第一种群,并生成第二种群;利用动态参数,将第一种群和第二种群结合,得到新的初始化种群;让新的初始化种群自主进化,直到满足进化停止条件,得到当前环境下的帕累托最优解;将帕累托最优解对应的服务组合确定为最优服务组合,发送给用户。
-
公开(公告)号:CN117094397A
公开(公告)日:2023-11-21
申请号:CN202311352557.7
申请日:2023-10-19
Applicant: 北京大数据先进技术研究院
Abstract: 本申请提供了一种基于短论元的细粒度事件信息抽取方法、装置和产品,涉及知识工程信息抽取技术领域,该方法为:利用短论元抽取模型,从待抽取文本中抽取得到事件短论元和所述事件短论元对应的触发词,所述事件短论元为事件论元中去除描述信息后的实体论元;利用短论元描述抽取模型,从所述待抽取文本中抽取得到短论元描述;所述短论元描述表示所述事件短论元的描述信息;将所述事件短论元、所述事件短论元对应的触发词和所述短论元描述进行匹配和递归,得到细粒度事件信息列表。
-
公开(公告)号:CN115794967B
公开(公告)日:2023-07-21
申请号:CN202310045254.4
申请日:2023-01-30
Applicant: 北京大数据先进技术研究院
Abstract: 本公开关于一种关系数据映射与语义本体同步生成方法及装置,涉及计算机技术领域,该方法通过基于待处理数据源生成初始映射文件以及初始语义本体文件;待处理数据源中包含关系型数据;响应于用户对初始映射文件的语义定义操作,按照指定映射格式,生成目标映射文件;语义定义操作用于将初始映射文件中的关系型数据的相关信息定义为语义信息;按照指定语义格式,从目标映射文件中提取关系型数据的目标语义信息并添加至初始语义本体文件中,以生成目标语义本体文件。这样,由于目标映射文件中已经包含了经过语义定义操作后的语义信息,只需用户的一次输入即可同步得到目标映射文件以及目标语义本体文件,提高了映射与语义本体的生成效率。
-
公开(公告)号:CN115577318A
公开(公告)日:2023-01-06
申请号:CN202211211208.9
申请日:2022-09-30
Applicant: 北京大数据先进技术研究院
Abstract: 本发明提供了一种基于半实物的数据融合评估方法、系统、设备及储存介质,涉及计算机技术领域。包括:首先,接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据,并根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台。然后,接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数。最后,根据任务评估分数,对数据融合平台进行模型参数调整。在本发明中,采用半虚拟的方式,使用微服务方式搭建数据融合平台,并用于无人终端的控制的决策,通过任务执行情况对数据融合模块进行优化和调整,大大降低了测试成本,提高了数据融合平台的模型准确度。
-
公开(公告)号:CN119180324A
公开(公告)日:2024-12-24
申请号:CN202411403454.3
申请日:2024-10-09
Applicant: 北京大数据先进技术研究院
IPC: G06N3/0985 , G06N3/006
Abstract: 本申请公开了一种基于乌鸦搜索算法的大语言模型微调参数优化方法、存储介质、设备和计算机程序产品,属于大语言模型调试领域,包括:对超参数集中的每个目标超参数确定一个第一目标超参数;根据每个目标超参数和对应的第一目标超参数的位置参数,更新超参数集,并确定更新后超参数集的适应评估值;在更新前后的适应评估值满足预设关系的情况下,更新目标超参数的记忆超参数,并循环迭代步骤;响应于循环中止命令,用超参数集中目标超参数的记忆超参数更新大语言模型,并训练更新后的大语言模型。解决了现有技术中依赖专家经验和试错调整的局限性,显著提高了参数优化的灵活性和效率,降低了成本,解决了背景技术中所提到的技术问题。
-
-
-
-
-
-
-
-
-