-
公开(公告)号：CN117609470A
公开(公告)日：2024-02-27
申请号：CN202311681686.0
申请日：2023-12-08
Applicant: 中科南京信息高铁研究院
IPC: G06F16/332 , G06N5/02 , G06N20/00 , G06F40/30
Abstract: 本发明提供了一种基于大语言模型和知识图谱的问答系统、其构建方法及智能化数据治理平台，解决了传统模型在处理离散变量时可能忽略的重要信息问题，从而实现了更准确和全面的数据分析。利用自然语言处理将用户查询转换为数据库命令，结合结构化和非结构化数据生成的知识图谱，提高了数据查询的效率和准确性。本发明通过langchain技术连接大型语言模型与图数据库，在数据处理和查询的速度、灵活性及扩展性方面具有显著优势，能够有效地处理大规模数据集，满足日益增长的数据需求。总体而言，本发明在提高数据处理效率、用户交互友好性、以及处理复杂数据关系和大量非结构化数据方面带来的改进，为现代数据密集型应用环境提供了强大的支持。
-
Patent Agency Ranking
公开(公告)号：CN117609470B
公开(公告)日：2024-08-09
申请号：CN202311681686.0
申请日：2023-12-08
Applicant: 中科南京信息高铁研究院
IPC: G06F16/332 , G06N5/02 , G06N20/00 , G06F40/30
Abstract: 本发明提供了一种基于大语言模型和知识图谱的问答系统、其构建方法及智能化数据治理平台，解决了传统模型在处理离散变量时可能忽略的重要信息问题，从而实现了更准确和全面的数据分析。利用自然语言处理将用户查询转换为数据库命令，结合结构化和非结构化数据生成的知识图谱，提高了数据查询的效率和准确性。本发明通过langchain技术连接大型语言模型与图数据库，在数据处理和查询的速度、灵活性及扩展性方面具有显著优势，能够有效地处理大规模数据集，满足日益增长的数据需求。总体而言，本发明在提高数据处理效率、用户交互友好性、以及处理复杂数据关系和大量非结构化数据方面带来的改进，为现代数据密集型应用环境提供了强大的支持。
-
公开(公告)号：CN116048912B
公开(公告)日：2024-07-30
申请号：CN202211636518.5
申请日：2022-12-20
Applicant: 中科南京信息高铁研究院
IPC: G06F11/30 , G06F18/2431 , G06F18/214 , G06F18/2433
Abstract: 本发明涉及数据处理领域，具体涉及一种基于弱监督学习的云服务器配置异常识别方法主要包括以下步骤：S1:读取服务器基础配置信息，所述服务器基础配置信息包括离散变量与非离散变量，读取历史服务器使用时长；S2:将服务器基础配置信息作为CatBoost回归模型的特征变量，将历史服务器使用时长作为CatBoost回归模型的监督信息，得到服务器使用时长的预测模型；S3：将服务器基础配置信息中的非离散变量、使用服务器使用时长的预测模型得到的预期服务器使用时长作为孤立森林模型的特征变量，得到异常识别模型。本发明利用了服务器使用时长作为服务器搭配异常问题的弱监督信号，从而提升了模型的表现力。
-
公开(公告)号：CN117782100A
公开(公告)日：2024-03-29
申请号：CN202311820877.0
申请日：2023-12-27
Applicant: 中科南京信息高铁研究院
IPC: G01C21/20 , G08G3/00 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06V10/82
Abstract: 本发明涉及航迹预测领域，具体涉及一种多模态航迹预测方法、装置、电子设备。方法包括以下步骤：获取第一预设时长、预设精度的航迹数据；获取航迹数据中每个时间点对应的地形图像；将第一预设时长、预设精度的航迹数据及其对应的地形图像输入预训练的多模态预测模型，得到第二预设时长、预设精度的航迹预测数据；本技术方案综合运用了地形模态输入处理、非线性感知与时序建模，以及融合注意力机制优化多源数据整合，共同提升了航迹预测的整体效能。
-
公开(公告)号：CN116048912A
公开(公告)日：2023-05-02
申请号：CN202211636518.5
申请日：2022-12-20
Applicant: 中科南京信息高铁研究院
IPC: G06F11/30 , G06F18/2431 , G06F18/214 , G06F18/2433
Abstract: 本发明涉及数据处理领域，具体涉及一种基于弱监督学习的云服务器配置异常识别方法主要包括以下步骤：S1:读取服务器基础配置信息，所述服务器基础配置信息包括离散变量与非离散变量，读取历史服务器使用时长；S2:将服务器基础配置信息作为CatBoost回归模型的特征变量，将历史服务器使用时长作为CatBoost回归模型的监督信息，得到服务器使用时长的预测模型；S3：将服务器基础配置信息中的非离散变量、使用服务器使用时长的预测模型得到的预期服务器使用时长作为孤立森林模型的特征变量，得到异常识别模型。本发明利用了服务器使用时长作为服务器搭配异常问题的弱监督信号，从而提升了模型的表现力。
-
公开(公告)号：CN119622473A
公开(公告)日：2025-03-14
申请号：CN202411750800.5
申请日：2024-12-02
Applicant: 中科南京信息高铁研究院
IPC: G06F18/241 , G06F18/25 , G06F18/21 , G06V10/44 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种应对海上复杂环境的多模舰船智能识别系统，包括：数据采集与增强模块，用于采集舰船图片及相应的辅助信息并对舰船图片进行增强；图像清晰度提升模块，用于对增强后的图像进行清晰度提升；图像分割模块，用于对增强后的图片进行舰船识别以及背景分离；多模态分类模块，用于对舰船图片进行分类识别，确定舰船型号。本发明通过多模态数据融合、先进的图像处理技术、创新的分类模型设计和详尽的知识库构建，大幅提升了海上舰船识别的准确性、适应性和效率。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
