组件推荐方法、系统、设备及介质

    公开(公告)号:CN118797156A

    公开(公告)日:2024-10-18

    申请号:CN202410835961.8

    申请日:2024-06-26

    Abstract: 本发明提供一种组件推荐方法、系统、设备及介质,涉及数据处理技术领域,该方法包括:根据目标子公司的企业信息,在目标企业的策略实现度知识图谱中,获取目标子公司对应的待推荐组件;根据目标子公司的企业信息和待推荐组件的描述信息,在领域知识库中查找目标领域知识信息;根据目标领域知识信息,生成推荐原因提示信息;将推荐原因提示信息输入至大语言模型,得到待推荐组件的推荐原因描述信息,根据推荐原因描述信息执行待推荐组件的推荐操作;策略实现度知识图谱是在大语言模型的基础上,基于目标企业的策略规划信息、目标企业内所配置的各组件的描述文本和领域知识库构建的。本发明实现高效精准地推理出具有可解释性的组件推荐信息。

    一种通信服务业用户需求预测方法和装置

    公开(公告)号:CN117391755A

    公开(公告)日:2024-01-12

    申请号:CN202210752985.8

    申请日:2022-06-29

    Abstract: 本发明公开了一种通信服务业用户需求预测方法和装置,该方法包括:获取历史用户留言,依据历史用户留言构建用户客群角色描绘表;针对每个用户,从该用户的历史用户留言中提取关键字,依据关键字和用户客群角色描绘表确定该用户对应的用户客群;针对每个用户客群,提取该用户客群中各个用户的特征字段,根据特征字段进行训练学习得到对应的线性回归模型;将多个用户客群的线性回归模型输入多值选择模型进行训练得到用户需求预测模型;依据用户需求预测模型进行用户需求预测。本发明通过对历史用户留言进行大数据分析划分用户客群,按照各个用户客群建立用户需求预测模型,实现对用户需求的精准预测,提高用户需求预测的时效性和准确性。

    运营商网络的共享方法、装置和核心网设备

    公开(公告)号:CN112312378A

    公开(公告)日:2021-02-02

    申请号:CN201910689284.2

    申请日:2019-07-29

    Abstract: 本申请提出了一种运营商网络的共享方法、装置和核心网设备,其中,上述运营商网络的共享方法包括:创建备用PLMN列表;在第一运营商网络的RRU上创建虚拟小区,所述虚拟小区的频点是第一运营商网络所在区域上的第二运营商网络的频点,所述虚拟小区广播的PLMN为所述备用PLMN列表中的PLMN网号;在所述虚拟小区中添加所述备用PLMN列表中的PLMN网号,直至将第二运营商用户的用户身份识别模块卡中的所有禁止访问PLMN网号清除;删除所述虚拟小区。本申请可以实现将第二运营商用户的用户身份识别模块卡中的所有禁止访问PLMN网号清除,可以在不影响现有网络用户的情况下,实现不同运营商网络的共享,并且不会改变现有网络的数据,不会影响现有网络质量。

    基于感知JND模型的量化水印方法和装置

    公开(公告)号:CN111325651A

    公开(公告)日:2020-06-23

    申请号:CN201811533587.7

    申请日:2018-12-14

    Abstract: 本发明实施例提供一种基于感知JND模型的量化水印方法和装置。所述方法包括水印嵌入的步骤以及水印提取的步骤,在所述水印嵌入和水印提取的过程中,所述方法包括:通过感知JND模型计算松弛向量;根据所述松弛向量调制量化步长;所述感知JND模型为:Tjnd(n,i,j)=TB·FLA·FM,其中,n为DCT块的索引,(i,j)对应DCT块内的位置,TB为对比敏感度函数,FLA为是亮度自适应因子,FM为对比度掩蔽因子。本发明实施例提出的感知JND模型为对比敏感度函数,亮度自适应和对比度掩蔽的联合效应模型,通过将感知JND模型应用于量化水印方案,能够准确地估计人类视觉冗余,具有统一保真度的条件下,更具鲁棒性。

    基于感知JND模型的量化水印方法和装置

    公开(公告)号:CN111325651B

    公开(公告)日:2023-09-05

    申请号:CN201811533587.7

    申请日:2018-12-14

    Abstract: 本发明实施例提供一种基于感知JND模型的量化水印方法和装置。所述方法包括水印嵌入的步骤以及水印提取的步骤,在所述水印嵌入和水印提取的过程中,所述方法包括:通过感知JND模型计算松弛向量;根据所述松弛向量调制量化步长;所述感知JND模型为:Tjnd(n,i,j)=TB·FLA·FM,其中,n为DCT块的索引,(i,j)对应DCT块内的位置,TB为对比敏感度函数,FLA为是亮度自适应因子,FM为对比度掩蔽因子。本发明实施例提出的感知JND模型为对比敏感度函数,亮度自适应和对比度掩蔽的联合效应模型,通过将感知JND模型应用于量化水印方案,能够准确地估计人类视觉冗余,具有统一保真度的条件下,更具鲁棒性。

Patent Agency Ranking