-
公开(公告)号:CN114692779A
公开(公告)日:2022-07-01
申请号:CN202210397776.6
申请日:2022-04-15
Applicant: 北京北大软件工程股份有限公司
Abstract: 本申请一些实施例提供一种训练行为预测模型的方法、装置、系统及存储介质,该方法包括获取训练数据集,其中,所述训练数据集包括多组训练数据,每组训练数据至少包括:用于表征事件复杂程度的多个子特征,用于表征事件处理情况的多个子特征,用于表征目标对象特征的多个子特征以及转化标签,所述转化标签用于表征与一个事件对应的相邻两次求助行为的升级、降级或不变的情况;根据所述训练数据集中的数据对行为预测模型进行训练,得到目标行为预测模型,其中,所述目标行为预测模型能够对输入的目标事件的求助行为转化进行预测。本申请一些实施例可以训练出精准度较高的目标行为预测模型,准确预测目标对象的行为变化情况。
-
公开(公告)号:CN114118622A
公开(公告)日:2022-03-01
申请号:CN202111492350.0
申请日:2021-12-08
Applicant: 北京北大软件工程股份有限公司
Abstract: 本发明涉及一种基于时间序列的数据趋势预测方法和系统,其中方法包括:将历史时间序列数据转换为可视化的时间序列图像数据;将时间序列图像数据转换为矩阵数据;采用支持输入多变量数据的卷积神经网络模型提取矩阵数据的数据趋势特征;根据数据趋势特征构建基于条件随机场的联合时序数据趋势预测模型;向联合时序数据趋势预测模型中输入待预测时间序列数据,输出时间序列数据趋势预测结果。本发明结合经济类数据的结构和分布特点,进行PSV序列数据转换,解决深度学习过程中时序数据预处理问题;按照时序数据结构特点提取卷积采样数据特征分类判别,效果有明显提升;结合矩阵数据卷积特征和序列状态传播特征对数据趋势判别任务进行增强。
-
公开(公告)号:CN114218372A
公开(公告)日:2022-03-22
申请号:CN202111555500.8
申请日:2021-12-17
Applicant: 北京北大软件工程股份有限公司
IPC: G06F16/332 , G06F16/28 , G06F16/33 , G06F16/338 , G06F16/36
Abstract: 本发明实现了一种基于知识库表示的知识图谱检索方法及系统,包括:爬取现有网站储存的知识信息,解析并映射所述知识信息,得到预定义的法律领域知识库模型;获取自然语言序列并根据所述自然语言序列得到自然语言问句;训练预定义的所述法律领域知识库模型,得到预定义的所述法律领域知识库模型的实体表示和关系表示;对所述自然语言问句进行预处理,生成所述自然语言问句的连续表示,记为QR,得到三元组表示;对所述三元组进行评分计算得到评分结果,对所述评分结果转化为概率分布并通过教师模型和学生模型对所述评分结果进行优化,得到最终的所述法律领域知识库模型。
-
公开(公告)号:CN114756727A
公开(公告)日:2022-07-15
申请号:CN202210459090.5
申请日:2022-04-27
Applicant: 北京北大软件工程股份有限公司
IPC: G06F16/908 , G06F16/909 , G06N3/04 , G06N3/08
Abstract: 本申请实施例提供一种获得数据补全模型、数据补全的方法、装置及介质,该方法包括:通过所述编码器将所述样本数据进行编码,获得样本编码数据,其中,所述样本数据包括缺失数据以及与所述缺失数据相对应的完整数据;将所述样本编码数据输入到所述生成对抗网络中,获得生成数据;通过所述解码器对所述生成数据进行解码获得补全数据,并且计算所述样本数据与所述补全数据之间的损失函数值;基于所述损失函数值调整所述编码器和所述解码器的参数;重复上述过程,直至所述损失函数值满足预设条件,获得目标数据补全模型。通过本申请的一些实施例能够提升数据补全模型的性能,从而能够提升数据补全的准确率。
-
-
-