-
公开(公告)号：CN119089935B
公开(公告)日：2025-01-07
申请号：CN202411575701.8
申请日：2024-11-06
Applicant: 东北大学
IPC: G06N3/042 , G06N3/08 , G06F18/22 , G06F18/214
Abstract: 本发明公开一种基于图异常检测的多渠道数据监控范围调整方法，涉及制造业数据监控技术领域。本发明使用深度学习技术识别多渠道数据当中出现的异常，充分利用了渠道数据间的管理关系，避免了人工筛选、简单统计导致的识别不准确问题，同时根据识别的异常自适应地调整数据监控的范围，使监控能自适应的聚焦到易发生异常的环节，提高对异常渠道数据的识别能力，高效、动态的监控制造业多渠道数据，维护产业链的循环畅通，适用于当今大规模产业链的监控应用，同时提高了监控的效率、聚焦能力，更好的维护产业链的稳定运行。
-
公开(公告)号：CN117094558A
公开(公告)日：2023-11-21
申请号：CN202311057854.9
申请日：2023-08-22
Applicant: 东北大学
IPC: G06Q10/0635 , G06F18/25 , G06F18/24 , G06F16/36 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明公开一种基于时序图的产业链风险识别方法及系统，涉及产业链风险识别领域。获取产业链数据并构建带有时间序列信息的风险因素图，得到风险因素时序图；获取产业链风险数据；获取产业链状态序列与产业链状态转移图，并根据产业链状态序列与产业链状态转移图对风险因素时序图进行抽取，得到风险因素时序序列数据；对产业链风险数据与风险因素时序序列数据分别进行静态嵌入和动态嵌入，分别得到静态嵌入向量和动态嵌入向量；将动态嵌入向量和风险因素时序图进行联合信息嵌入，得到联合信息嵌入的结果向量集合；对静态嵌入向量和联合信息嵌入的结果向量集合进行基于注意力机制的信息融合，得到融合结果；对产业链风险进行最终的识别与预测。
-
公开(公告)号：CN107145545B
公开(公告)日：2021-01-05
申请号：CN201710281672.8
申请日：2017-04-18
Applicant: 东北大学
IPC: G06F16/9536 , G06F16/31 , G06F16/33 , G06Q50/00
Abstract: 本发明公开了一种基于位置的社交网络中Top‑k区域用户文本数据推荐方法，包括：获取需求用户的地理位置，根据需求用户输入的需求，对社交网络中的文本数据进行分词处理，获取与需求用户的需求相匹配的关键词组；根据所获取的关键词组，建立索引树DLIR‑Tree，所述索引树DLIR‑Tree的每个节点包含一系列的社交网络文本的发送用户；根据需求用户的需求、地理位置及区域半径查询索引树DLIR‑Tree，得到相匹配的文本数据；对所获取的文本数据与关键词组进行相似度计算处理，得到过滤后的文本数据；根据过滤后的文本数据，进行综合评分，并根据综合评分完成Top‑k区域用户文本数据推荐。通过信息的全面性和多样性来实现现实社会的真实情况，从而使得推荐信息准确率得到提高。
-
公开(公告)号：CN108932347A
公开(公告)日：2018-12-04
申请号：CN201810875808.2
申请日：2018-08-03
Applicant: 东北大学
IPC: G06F17/30
Abstract: 本发明公开了一种分布式环境下基于社会感知的空间关键字查询方法，通过对Top-k查询问题进行分析，提出解决该问题的索引和查询框架，索引结构引入了社交信息，利用关键字的检索特点，在SDPR分布式索引结构的基础上提出基于的社会感知的Top-k查询算法，通过输入查询参数，结果是数据集中满足特定排序函数排名最高的前k个对象，通过带有权重的空间关键字查询，使得查询更加精准，能够得到更加准确的结果。
-
公开(公告)号：CN102063486B
公开(公告)日：2013-06-05
申请号：CN201010611355.6
申请日：2010-12-28
Applicant: 东北大学
IPC: G06F17/30
Abstract: 一种面向多维数据管理的云计算平台查询处理方法，属于数据库领域，该方法包括以下步骤：步骤1构建一个云计算平台，该平台由主节点和若干从属节点组成，主节点用于发送查询，从属节点用于存储多维数据对象、接收查询并将查询结果返回给用户，主节点和从属节点由互联网连接；步骤2采用IDBC算法将所有从属节点划分成多个簇，使得在相同簇中的从属节点含有相似的数据对象；步骤3为每个从属节点簇构建基于四叉树的多维索引，并将其组织在一个CAN覆盖网络中；步骤4进行查询处理。
-
Patent Agency Ranking
公开(公告)号：CN118035414A
公开(公告)日：2024-05-14
申请号：CN202410172686.6
申请日：2024-02-07
Applicant: 东北大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06N5/04 , G06N5/022
Abstract: 本发明提供一种基于金融事理知识图谱的推理问答方法，涉及计算机科学与技术的自然语言处理技术领域。该方法包括：获取句子级或篇章级的语料并进行预处理，构建语料数据集并随机划分训练集，采用课程学习的方法将训练集中的语料按照语料的难度等级分组；构建事件抽取模型并训练；获取未作标注的生语料并输入事件抽取模型中抽取事件与事件关系，构建候选事件的事理知识图谱；获取问题并提取目标事件；根据目标事件在候选事件的事理知识图谱中检索候选事件，将候选事件进行向量化表示并更新，再利用线性层对新的候选事件的事件表示进行事件预测；根据候选事件的预测结果确定问题中目标事件的预测回答，优化了传统知识图谱难以进行事件推理的缺陷。
-
公开(公告)号：CN113010525B
公开(公告)日：2023-08-01
申请号：CN202110354512.8
申请日：2021-04-01
Applicant: 东北大学
IPC: G06F16/22 , G06F16/215 , G06F16/2455 , G06F16/27 , G06F18/2413 , G06F18/213 , G06N3/0464 , G06N3/049
Abstract: 本发明提供一种基于PID的海洋时空大数据并行KNN查询处理方法，涉及时空大数据管理技术领域。该方法首次引入工业界广泛使用的PID控制器技术，实现了基于反馈机制的变步长查找处理。首先对获取到的海洋数据进行预处理，并采用网格划分方法实现对数据的划分，在此基础上，采用网格索引技术来索引预处理后的海洋数据；采用行排序方式对每个网格单元进行编码；通过使用行排序网格索引，判断出哪些行和列是在圆的半径范围内，从而直接判断是否和圆有交集；在进行KNN查询时，利用PID系统具有的可调节性，通过负反馈动态调整搜索的范围，实现KNN查询处理中查询半径的动态预测，减少了KNN查询次数，从而加快了KNN查询处理速度。
-
公开(公告)号：CN110222278B
公开(公告)日：2022-05-17
申请号：CN201910528742.4
申请日：2019-06-18
Applicant: 东北大学
IPC: G06F16/9537 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开了综合因素下用户位置的获取方法，包括如下步骤：S1、对数据集整理分析的结果，拟合出用户移动距离与概率间的函数分布式，并通过出行距离的调和平均数体现用户特性；S2、计算用户位置访问概率函数，并且使用采样的邻居节点法拟合泊松分布；S3、拟合用户地点访问概率函数，并且输出结果，本发明结构科学合理，使用安全方便，通过对数据的观察分析，我们得到了泊松分布能很好的反应用户移动模式的结论，并在分析现实情况后，在泊松分布的基础上，加入调和因子，得到了用户位置访问概率函数，由于用户位置访问概率函数综合的考虑了个人与全局因素，故能良好的反应真实的出行意向，从而便于了用户位置的获取，便于其出行位置的了解。
-
公开(公告)号：CN109190052B
公开(公告)日：2022-04-01
申请号：CN201810875815.2
申请日：2018-08-03
Applicant: 东北大学
IPC: G06F16/9536 , G06F16/22 , G06Q50/00
Abstract: 本发明公开了一种分布式环境下基于社会感知的空间索引方法，涉及索引领域，通过对空间数据进行有效的划分，构建了局部索引以及全局索引，利用构建有效的索引结构，该索引结构是基于HDFS的分布式的索引结构并且融合了空间中的社交数据，能够很有效地支持分布式环境下的查询，使得查询结果更加满足用户的要求。在现有的基于R树的并行空间索引基础上融入LBSN中的社交数据，构成了全新的带有社交数据的空间索引，便于提高查询速度，提高搜索效率。
-
公开(公告)号：CN113010525A
公开(公告)日：2021-06-22
申请号：CN202110354512.8
申请日：2021-04-01
Applicant: 东北大学
IPC: G06F16/22 , G06F16/215 , G06F16/2455 , G06F16/27 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于PID的海洋时空大数据并行KNN查询处理方法，涉及时空大数据管理技术领域。该方法首次引入工业界广泛使用的PID控制器技术，实现了基于反馈机制的变步长查找处理。首先对获取到的海洋数据进行预处理，并采用网格划分方法实现对数据的划分，在此基础上，采用网格索引技术来索引预处理后的海洋数据；采用行排序方式对每个网格单元进行编码；通过使用行排序网格索引，判断出哪些行和列是在圆的半径范围内，从而直接判断是否和圆有交集；在进行KNN查询时，利用PID系统具有的可调节性，通过负反馈动态调整搜索的范围，实现KNN查询处理中查询半径的动态预测，减少了KNN查询次数，从而加快了KNN查询处理速度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.019 seconds)
