-
公开(公告)号：CN118469009A
公开(公告)日：2024-08-09
申请号：CN202410920430.9
申请日：2024-07-10
IPC: G06N5/025 , G06F16/901
Abstract: 本申请涉及滑坡监测技术领域，提供了一种滑坡灾害语义信息抽取方法、装置、设备及介质。该方法包括：获取滑坡文献、滑坡指标、以及语义关系；抽取滑坡文献的滑坡词语，并进行标注得到真实关系三元组；利用知识抽取模型抽取实体关系三元组并生成错误关系三元组；基于真实关系三元组、实体关系三元组、错误关系三元组构建差异损失函数和区分损失函数，并获取综合损失函数；根据综合损失函数对知识抽取模型进行优化，利用优化后的知识抽取模型获取最终关系三元组；利用最终关系三元组构建滑坡图数据库；基于滑坡图数据库对待抽取滑坡文本进行语义信息抽取，得到语义信息抽取结果。该方法能够提高滑坡语义信息抽取的精确度并降低抽取难度。
-
公开(公告)号：CN119938806A
公开(公告)日：2025-05-06
申请号：CN202510421483.0
申请日：2025-04-07
IPC: G06F16/29 , G06F40/295 , G06F40/30 , G06N5/025 , G06F16/35
Abstract: 本发明提供了一种地理空间信息样本生成方法、装置、设备及介质，利用空间关系计算从地图服务数据中提取结构化地理空间三元组，避免了人工标注的高成本与低效问题；对获取的与研究区域对应的地理空间信息文本集进行分析，得到空间关系文本描述形式，将地理空间信息结构化三元组和编码后的空间关系文本描述输入大语言模型基于prompt模板进行扩充，避免了数据增强可能带来的语义偏差，克服了规则模板在处理多样化语料时的局限性，提升了地理空间信息数据生成的多样性。
-
公开(公告)号：CN118469009B
公开(公告)日：2024-10-29
申请号：CN202410920430.9
申请日：2024-07-10
IPC: G06N5/025 , G06F16/901
Abstract: 本申请涉及滑坡监测技术领域，提供了一种滑坡灾害语义信息抽取方法、装置、设备及介质。该方法包括：获取滑坡文献、滑坡指标、以及语义关系；抽取滑坡文献的滑坡词语，并进行标注得到真实关系三元组；利用知识抽取模型抽取实体关系三元组并生成错误关系三元组；基于真实关系三元组、实体关系三元组、错误关系三元组构建差异损失函数和区分损失函数，并获取综合损失函数；根据综合损失函数对知识抽取模型进行优化，利用优化后的知识抽取模型获取最终关系三元组；利用最终关系三元组构建滑坡图数据库；基于滑坡图数据库对待抽取滑坡文本进行语义信息抽取，得到语义信息抽取结果。该方法能够提高滑坡语义信息抽取的精确度并降低抽取难度。
-
公开(公告)号：CN119669489A
公开(公告)日：2025-03-21
申请号：CN202510201758.X
申请日：2025-02-24
Applicant: 中南大学
Abstract: 本申请涉及时空数据挖掘技术领域，提供了一种物联感知信息的多层次抽取方法及相关设备。本申请的方法包括：构建用于描述目标物联网中传感器数据的属性的物联感知数据本体模型；对物联感知数据进行数据增强，得到包括多个增强传感器数据的增强感知数据，并根据物联感知数据本体模型对增强感知数据进行浅层映射，得到每个增强传感器数据对应的属性三元组；基于所有属性三元组进行深层特征提取，得到每个增强传感器数据的时空特征三元组；对增强感知数据进行时空模式挖掘，得到多个时空关系三元组；基于所有属性三元组、所有时空特征三元组和所有时空关系三元组构建目标物联网的知识图谱。本申请的方法能够提高物联感知信息的抽取质量。
-
-
Patent Agency Ranking
公开(公告)号：CN115391985B
公开(公告)日：2023-09-05
申请号：CN202210866430.6
申请日：2022-07-22
Applicant: 中南大学
IPC: G06F30/20 , G16C60/00 , G06F111/04 , G06F111/06 , G06F113/26
Abstract: 本发明属于时空大数据挖掘领域，尤其涉及一种基于系统动力学的金属资源代谢过程预测方法。预测方法包括：将金属资源状态量按照金属资源代谢阶段进行分类；根据不同阶段金属资源状态量的转换关系，构建金属资源代谢动力学模型；基于统计数据计算金属资源社会蓄积量；采用模拟退火算法求解模型参数；并对自然矿产中提炼的金属资源材料量和金属材料净进口量进行预测；根据上述各预测值和参数，基于金属资源代谢动力学模型预测金属资源状态量。该方法极大地减少了预测结果的统计调查数据依赖性，避免引入主观经验参数，具有更强的现实性和可解释性，提高了金属资源代谢过程预测结果的可靠性和实用性。
-
公开(公告)号：CN109376969A
公开(公告)日：2019-02-22
申请号：CN201811536641.3
申请日：2018-12-14
Applicant: 中南大学
CPC classification number: G06Q10/04 , G06K9/6256 , G06N3/0454 , G06Q50/26
Abstract: 本发明公开了一种基于深度学习的城市人口精细化分布的动态预测方法，包括：1、在研究所需尺度下，将研究区域进行网格化处理，构建样本集，并划分相应的训练集和测试集；2、构建城市人口分布预测模型，根据历史数据对所述预测模型进行训练；3、将前j个时刻城市人口分布状态数据作为输入变量输入到步骤2中已训练好的模型中，预测得到未来某一时刻的城市人口分布状态；该预测模型能够对城市格网划分的各区域进行同时预测；卷积长短期记忆网络通过卷积结构提取空间特征，通过长短期记忆网络结构获取时间特征，算法底层把卷积神经网络与长短期记忆网络相结合，学习人口分布变化的高维度时空特征，有效融合时间维度空间维度，从而提高预测精度。
-
公开(公告)号：CN113486135B
公开(公告)日：2024-04-12
申请号：CN202110852651.3
申请日：2021-07-27
Applicant: 中南大学
IPC: G06F16/29 , G06F16/26 , G06Q10/0639 , G06T7/10 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习网络的建筑物综合方法，包括：获取城市路网，根据城市路网将大比例尺地图和小比例尺地图上的建筑物要素划分至街区；将所有街区的矢量数据栅格化为栅格矩阵形式，并处理为训练样本的形式；根据所述训练样本的形式构建深度学习语义分割模型，并对所述深度学习语义分割模型进行训练，设定参数；利用训练完成的模型进行建筑物综合，并用交并比评价得到建筑物综合结果。本发明在没有人工干预的情况下实现对地图上建筑物要素的综合。
-
公开(公告)号：CN117274797A
公开(公告)日：2023-12-22
申请号：CN202311140074.0
申请日：2023-09-06
Applicant: 中南大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于视觉和语义信息的城市土地利用功能识别方法，包括获取设定区域的遥感图像数据和建筑物相关数据并得到训练数据集；构建区域视觉表征网络；构建区域语义表征网络；构建分类层并结合区域视觉表征网络和区域语义表征网络，构建城市土地利用功能识别原始模型；采用训练数据集训练城市土地利用功能识别原始模型得到城市土地利用功能识别模型；采用城市土地利用功能识别模型完成目标区域内的城市土地利用功能的识别。本发明还公开了一种实现所述基于视觉和语义信息的城市土地利用功能识别方法的系统。本发明不仅能够对城市土地利用功能进行识别，而且可靠性更高，准确性更好。
-
公开(公告)号：CN116628462B
公开(公告)日：2023-10-31
申请号：CN202310882506.9
申请日：2023-07-19
Applicant: 中南大学
Abstract: 本发明实施例中提供了一种城市三维空间用地功能属性识别与时空变化监测分析方法，属于数据处理技术领域，具体包括：对目标区域的POI数据的地址信息进行正则计算，得到楼层信息；POI数据和楼层信息进行校正；对校正后的楼层信息根据楼层数划分统计类别；计算三维功能强度频率指数和类型比例；计算功能属性类型，得到目标区域的用地功能属性识别结果；利用目标区域不同年份的POI数据得到多个三维用地功能属性识别结果，根据楼层的功能属性识别结果进行差异计算，得到目标区域的功能属性时空变化结果。通过本发明的方案，提高了识别城市建筑物三维空间用地功能属性及其时空变化监测的效率、适应性和精准度。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.031 seconds)
