-
公开(公告)号：CN116912009A
公开(公告)日：2023-10-20
申请号：CN202310414397.8
申请日：2023-04-18
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06Q40/08 , G06F16/2458 , G06F16/248 , G06F16/26 , G16H10/60
Abstract: 本发明公开了一种信息处理方法、装置、电子设备和可读存储介质，涉及图模型技术领域，以解决搬土距离的准确度较差，难以准确衡量患者之间的相似度的问题。该方法包括：获取多个患者在预设时间段内的住院信息，住院信息用于表征单次住院的入院时间和出院时间；对于每一个第一患者，基于第一患者的每一个住院信息与第二患者的每一个住院信息之间的第一距离确定第一患者与第二患者的患者距离，第一患者为多个患者中任意一个患者，第二患者为多个患者中除第一患者外的患者；基于患者距离，利用图算法对多个患者进行极大团挖掘处理，得到目标极大团。本发明实施例可降低患者的住院次数不同对患者距离的影响，使得到的患者距离与实际情况更加相符。
-
公开(公告)号：CN119441579A
公开(公告)日：2025-02-14
申请号：CN202310971296.0
申请日：2023-08-03
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F16/9535 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种多业务推荐方法、装置及设备，该方法包括：将用户特征数据输入多业务推荐模型，获取所述多业务推荐模型输出的用户对每一个业务或产品的购买置信度；其中，所述多业务推荐模型利用稀疏注意力机制对用户的特征矩阵进行优化。本发明实施例针对多业务推荐模型中的标准注意力机制进行优化，利用稀疏注意力机制学习，避免无关联特征进行关联所造成的特征冗余和无效信息对多业务推荐模型所造成的影响；且通过本申请的多业务推荐模型中对特征表示矩阵的凸组合，可以充分利用稀疏矩阵的结构特点挖掘不同列之间的潜在关联，同时避免不必要的关联而造成的信息冗余和干扰，从而提升模型性能。
-
公开(公告)号：CN116911906A
公开(公告)日：2023-10-20
申请号：CN202310491828.0
申请日：2023-05-04
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06Q30/0202 , G06F18/2411 , G06F18/232
Abstract: 本申请提供一种需求量预测方法、装置、设备及可读存储介质，涉及人工智能领域，该方法包括：根据获取到的针对目标物的多个分类占比数据集合，构造多个所述分类占比数据集合分别对应的分类占比数据特征向量；根据所述分类占比数据特征向量之间的相似度，对所述分类占比数据特征向量进行聚类；根据聚类结果中的第一类别的分类占比数据特征向量，调整所述分类占比数据集合对应的分类占比数据特征向量的元素；根据调整后的所述分类占比数据特征向量，预测所述目标物的需求量。本申请的方案解决了目前的需求量预测主要依赖于从业人员的经验来进行决策，导致预测准确度不高的问题。
-
公开(公告)号：CN116911420A
公开(公告)日：2023-10-20
申请号：CN202310146356.5
申请日：2023-02-08
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06Q10/04 , G06Q50/30 , G06F18/214 , G06F18/2415
Abstract: 本申请公开了一种更换终端的目标人群预测模型的训练方法、更换终端的目标人群预测方法、装置、电子设备及存储介质。方法包括：获取用户的第一数据以及第一数据对应的第一特征；第一数据包括正样本数据和负样本数据；正样本数据表征在预设周期内存在更换终端行为的用户对应的数据；负样本数据表征在预设周期内不存在更换终端行为的用户对应的数据；在第一数据中剔除所述第一数据中的无效负样本数据，得到第二数据；采用不同类型的无监督异常检测算法对第二数据进行处理，得到第二数据对应的第二特征；基于第一特征和第二特征确定正样本与负样本比例的权重参数；利用第二数据和权重参数构建训练样本，对更换终端的目标人群预测模型进行训练。
-
公开(公告)号：CN119647533A
公开(公告)日：2025-03-18
申请号：CN202411621284.6
申请日：2024-11-13
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N3/0495 , G06N3/0455 , G06N3/08 , G06F18/23
Abstract: 本申请实施例提供一种模型量化方法、模型量化装置、电子设备、芯片、存储介质及计算机程序产品，所述方法包括：对于待量化模型中的Transformer模块的任一待量化单元，根据待量化单元对应的第一向量，对待量化单元对应的第一激活值进行变换，得到第二激活值；所述第一向量用于增强所述第一激活值中重要词汇的权重；根据第一信息，调用量化模型，得到待量化单元量化后的权重；所述第一信息包括：第二激活值和第一权重；所述第一权重为待量化单元量化前的权重。
-
Patent Agency Ranking
公开(公告)号：CN118822740A
公开(公告)日：2024-10-22
申请号：CN202311134568.8
申请日：2023-09-04
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06Q40/08 , G06Q30/018 , G06F18/23
Abstract: 本发明实施例公开了一种异常数据检测方法、装置、设备和可读存储介质，方法包括：获得多个用户的第一数据，第一数据包括各用户对应的医疗保险使用相关的数据；基于第一数据获得至少一组目标地点集合，确定每组目标地点集合关联的多个目标用户；根据多个目标用户在使用时间和使用地点上的相似度确定第一特征数据，根据第一数据确定与多个目标用户各自的个人特征和/或医疗保险使用情况相关的第二特征数据；基于第一特征数据和第二特征数据对多个目标用户进行聚类，获得每组目标地点集合对应的聚类结果，根据至少一组目标地点集合各自对应的聚类结果确定表示异常的第二数据。
-
公开(公告)号：CN118820743A
公开(公告)日：2024-10-22
申请号：CN202311317193.9
申请日：2023-10-11
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/213 , G06F18/214 , G06F16/2458 , G06F123/02
Abstract: 本实施例公开了一种特征编码方法、装置、电子设备和计算机存储介质，该方法包括：获取连续多个周期的结构化数据，所述多个周期中每个周期的结构化数据包括至少一个连续特征和/或至少一个离散特征；针对所述每个周期的结构化数据中的特征进行编码，得到所述每个周期的特征编码数据；按照所述连续多个周期的时序，将连续多个周期的特征编码数据转换为编码序列数据，所述编码序列数据至少包括所述连续多个周期的特征编码数据。
-
公开(公告)号：CN116957082A
公开(公告)日：2023-10-27
申请号：CN202211375796.X
申请日：2022-11-04
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06N7/01 , G06N20/20 , G06N5/01 , G06N3/0455 , G06N3/084 , G06N3/086 , G06F18/214 , G06F18/15 , G06Q30/0202
Abstract: 本发明公开了一种样本筛选方法、装置、电子设备及存储介质。其中，该样本筛选方法包括：获取第一模型对样本集中的样本的预测结果；样本集包括正样本集和负样本集；正样本中的样本表征换机用户的用户数据；负样本中的样本表征非换机用户的用户数据；第一模型基于样本集中的样本训练初始模型得到；预测结果表征用户发生换机行为的概率值；基于预测结果，从负样本集中筛选出目标负样本集；基于正样本集和目标负样本集，训练初始模型，得到第二模型；第二模型用于基于用户数据预测用户发生换机行为的概率值。
-
公开(公告)号：CN116910576A
公开(公告)日：2023-10-20
申请号：CN202310272952.8
申请日：2023-03-17
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/22 , G06F16/901 , G06Q40/08
Abstract: 本发明提供了一种异常群体检测方法、装置、电子设备及可读存储介质，涉及数据检测技术领域。其中，所述异常群体检测方法包括：根据个体的目标数据，从至少一个目标维度上确定个体间的目标相似度；根据所述目标相似度，确定至少一个目标群体，所述目标群体包括至少两个所述个体，且个体间的所述目标相似度大于或等于阈值；根据所述目标群体的至少一个指标数据，确定所述目标群体的异常检测分数。本发明的方案，能够准确识别目标群体，并采用异常检测分数对目标群体的异常可能性进行量化。
-
公开(公告)号：CN116910526A
公开(公告)日：2023-10-20
申请号：CN202310075185.1
申请日：2023-01-16
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06F18/214 , G06F18/24
Abstract: 本申请实施例提供一种模型训练方法、装置、通信设备及可读存储介质，该方法包括：对样本数据进行单维度异常检测和多维度异常检测，确定异常样本；基于异常样本占比、异常样本中正样本占比和预训练过程中目标模型的表现中的至少一项，对所述样本数据中的异常样本进行处理；通过处理后的样本数据对所述目标模型进行训练。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.053 seconds)
