-
公开(公告)号：CN118964538A
公开(公告)日：2024-11-15
申请号：CN202410703111.2
申请日：2024-06-03
Applicant: 北方工业大学
Abstract: 本发明实施例提供了一种基于大模型和多级推理的领域知识会话方法、系统和装置，该方法包括：获取用户提出的知识请求文本；获取所述知识请求文本所属领域对应的领域知识图谱以及提示模板；调用大模型，利用所述提示模板引导大模型根据从领域知识图谱提取的多级推理路径来生成知识请求文本的答案，其中，每级所述推理路径是先由所述大模型筛选再可视化展现给用户调整后得到的。
-
公开(公告)号：CN111738477B
公开(公告)日：2023-11-07
申请号：CN201910724451.2
申请日：2019-08-01
Applicant: 北方工业大学 , 中国电力科学研究院有限公司 , 国网江苏省电力有限公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06N20/00
Abstract: 基于深层特征组合的电网新能源消纳能力预测方法，包括两部分内容，分别为特征选择与特征组合；第一阶段，特征选择；首先从数据中提取特征，作为模型的输入，然后经过方差特征选择去掉方差小的特征，接着使用递归式特征消除进行特征选择；第二个阶段，特征组合；通过XGBoost与LightGBM方法来组合特征，建立了一个混合模型，将由XGBoost和LightGBM算法产生的预测结合起来，进行集成预测，XGBoost与LightGBM模型中的参数是通过网格搜索技术进行优化调整的。本发明在考虑风电消纳能力预测特征的复杂性的基础上，以提升预测精度为目标，该方法采用了不依赖经验的特征组合方法，采用基于不同特征组合的多模型进行预测。
-
公开(公告)号：CN116522008A
公开(公告)日：2023-08-01
申请号：CN202210207440.9
申请日：2022-03-04
Applicant: 北方工业大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/36 , G06F18/22 , G06N5/025
Abstract: 本发明提供一种基于知识图谱的科技信息推荐服务交付方法与装置，所述方法包括：获得多个信息之间的相似度，包括根据信息知识图谱计算所述多个信息之间的相似度；对于多个信息中的每个信息，从多个信息中确定与该信息之间的相似度最高并且与待服务用户有过交互行为的相应的一个或多个信息；根据多个信息中的每个信息与相应的一个或多个信息之间的相似度，预测待服务用户对多个信息中的每个信息的兴趣度；以及，根据待服务用户对多个信息中的每个信息的兴趣度，从多个信息中选择信息并且推荐给待服务用户。本发明解决了用户的信息获取问题。
-
公开(公告)号：CN104933136B
公开(公告)日：2019-05-03
申请号：CN201510330632.9
申请日：2015-06-15
Applicant: 北方工业大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/182 , G06F16/28
Abstract: 本发明提出了一种基于海量车牌自动识别数据的动态拼车方法和系统。该系统基于云计算环境下的Hadoop和Spark并行处理与分析框架，高效的处理海量车牌自动识别数据，及时准确的为用户提供拼车推荐服务。不同于传统拼车系统需要出发地和目的地等作为查询条件，该方法和系统通过给定一段时间范围，即可对共同出现在一定数量监测点的车辆利用频繁项集发现算法进行并行的分析和挖掘，实现可拼车车辆组的动态推荐功能。
-
Patent Agency Ranking
公开(公告)号：CN104933136A
公开(公告)日：2015-09-23
申请号：CN201510330632.9
申请日：2015-06-15
Applicant: 北方工业大学
IPC: G06F17/30
CPC classification number: G06F17/30867 , G06F17/30203 , G06F17/30595 , G06F17/3087
Abstract: 本发明提出了一种基于海量车牌自动识别数据的动态拼车方法和系统。该系统基于云计算环境下的Hadoop和Spark并行处理与分析框架，高效的处理海量车牌自动识别数据，及时准确的为用户提供拼车推荐服务。不同于传统拼车系统需要出发地和目的地等作为查询条件，该方法和系统通过给定一段时间范围，即可对共同出现在一定数量监测点的车辆利用频繁项集发现算法进行并行的分析和挖掘，实现可拼车车辆组的动态推荐功能。
-
公开(公告)号：CN117648927A
公开(公告)日：2024-03-05
申请号：CN202210954000.X
申请日：2022-08-10
Applicant: 北方工业大学
IPC: G06F40/295 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06F16/36
Abstract: 本发明提供了面向产业领域科技服务资源图谱的实体识别方法，其通过训练一个命名实体识别模型来进行实体识别，该模型包括：BERT模型，用于提取输入文本中每个字符的字符向量，得到第一字符向量序列；BiLSTM模型，用于根据含词性的字符向量序列提取各字符的上下文信息得到输入文本对应的第二字符向量序列，含词性的字符向量序列是通过对第一字符向量序列添加各字符的词性特征得到；GCN模型，用于将图邻接矩阵与第二字符向量序列进行融合得到第三字符向量序列，图邻接矩阵是通过对输入文本进行依存句法分析得到的，表示字符间依存关系；CRF模型，用于根据第三字符向量序列进行特征解码，得到命名实体识别结果；本发明可提升命名实体识别模型的精度。
-
公开(公告)号：CN111738477A
公开(公告)日：2020-10-02
申请号：CN201910724451.2
申请日：2019-08-01
Applicant: 北方工业大学 , 中国电力科学研究院有限公司 , 国网江苏省电力有限公司
Abstract: 基于深层特征组合的电网新能源消纳能力预测方法，包括两部分内容，分别为特征选择与特征组合；第一阶段，特征选择；首先从数据中提取特征，作为模型的输入，然后经过方差特征选择去掉方差小的特征，接着使用递归式特征消除进行特征选择；第二个阶段，特征组合；通过XGBoost与LightGBM方法来组合特征，建立了一个混合模型，将由XGBoost和LightGBM算法产生的预测结合起来，进行集成预测，XGBoost与LightGBM模型中的参数是通过网格搜索技术进行优化调整的。本发明在考虑风电消纳能力预测特征的复杂性的基础上，以提升预测精度为目标，该方法采用了不依赖经验的特征组合方法，采用基于不同特征组合的多模型进行预测。
-
-
公开(公告)号：CN117371567A
公开(公告)日：2024-01-09
申请号：CN202210733205.5
申请日：2022-06-27
Applicant: 北方工业大学
IPC: G06Q10/04 , G06Q10/20 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于频繁共现模式挖掘的服务事件关联分析方法与装置，方法包括：部署多个服务；获取部署在待分析设备中的所有原始传感器的监测值序列，并将每个服务对应的参考传感器的监测值序列输入到对应的服务中，以得到多个异常事件序列；基于异常事件序列中每个异常事件的标识符挖掘多个异常事件序列中不同异常事件子序列之间以前因后果形式出现的频繁共现模式，以及每个服务预测出现相应前因事件之时所关联的另一服务将发生后果事件的概率。本发明的技术方案通过分析部署在工业设备上的原始传感器的监测值序列之间的因果关联关系来解决多因素共同作用下的多元时间序列数据的异常预测以及异常事件的成因分析问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.027 seconds)
