公开(公告)号：CN107392642A

公开(公告)日：2017-11-24

申请号：CN201710446922.9

申请日：2017-06-14

Applicant: 华中科技大学

Inventor： 周可 ,  王桦 ,  夏路 ,  乔宏永 ,  孙锡林

IPC: G06Q30/02 ,  G06F17/30

CPC classification number: G06Q30/0201 ,  G06F17/30303 ,  G06F17/30539

Abstract: 本发明公开了一种基于0-1整数规划与假设检验的商品选择方法，商品选择指根据历史交易数据，将过往销售的商品按照利润相关的某种指标进行优先级排名，并获取指定数量的最有价值商品的过程。根据输入的历史数据，通过采用假设检验的方法，可以得到一批互相间具有相关关系的商品组合，进而求得所有商品的利润分布权重，这是本发明的第一个输出结果。接下来在将商品选择问题看作一个最优化问题的前提下，利用该权重求解0-1整数规划可以输出指定数量的最有价值的商品，这是第二个输出结果。本发明能够根据历史交易数据，提取商品的自身销售利润与协同销售利润权重，为商品价值的挖掘分析提供了一种解决思路，同时为商品选择提供了一种全新的解决方案。

公开(公告)号：CN109166069B

公开(公告)日：2020-09-08

申请号：CN201810785245.8

申请日：2018-07-17

Applicant: 华中科技大学 ,  武汉数为科技有限公司

Inventor： 周可 ,  孙锡林 ,  乔宏永 ,  郑胜

IPC: G06F17/10

Abstract: 本发明公开了一种基于马尔科夫逻辑网络的数据关联方法、系统及设备，包括：利用重点人员数据库、待破案件及其对应的带权规则库构建基于马尔科夫逻辑网络的犯案概率获取模型，得到每一个重点人员犯待破案件的概率，从而筛选出目标对象，进而实现目标对象与待破案件之间的数据关联；带权规则库的获取方法包括：利用与待破案件主类型相同的已破案件数据构建本体模型视图集合，并分别提取一阶逻辑规则集合和谓词原子集合，然后利用所提取的两个集合构建基于马尔科夫逻辑网络的规则权重学习模型，并训练模型从而得到规则权重，由此得到由一阶逻辑规则和对应的规则权重构成的带权规则库。本发明中规则的获取不依赖于人力，能提高数据关联的准确率。

公开(公告)号：CN109166069A

公开(公告)日：2019-01-08

申请号：CN201810785245.8

申请日：2018-07-17

Applicant: 华中科技大学 ,  武汉数为科技有限公司

Inventor： 周可 ,  孙锡林 ,  乔宏永 ,  郑胜

IPC: G06Q50/26 ,  G06K9/62

Abstract: 本发明公开了一种基于马尔科夫逻辑网络的数据关联方法、系统及设备，包括：利用重点人员数据库、待破案件及其对应的带权规则库构建基于马尔科夫逻辑网络的犯案概率获取模型，得到每一个重点人员犯待破案件的概率，从而筛选出目标对象，进而实现目标对象与待破案件之间的数据关联；带权规则库的获取方法包括：利用与待破案件主类型相同的已破案件数据构建本体模型视图集合，并分别提取一阶逻辑规则集合和谓词原子集合，然后利用所提取的两个集合构建基于马尔科夫逻辑网络的规则权重学习模型，并训练模型从而得到规则权重，由此得到由一阶逻辑规则和对应的规则权重构成的带权规则库。本发明中规则的获取不依赖于人力，能提高数据关联的准确率。