-
公开(公告)号：CN114912699B
公开(公告)日：2025-05-23
申请号：CN202210586398.6
申请日：2022-05-26
Applicant: 南京大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/087 , G06Q10/20 , G06Q30/016 , G06F18/231 , G06F16/29
Abstract: 本发明公开了一种工业互联网环境下面向生产要素需求的智能服务方法，包括：获得区域内所有设备的空间地理位置，并将其转化为二维向量；采用层次聚类方式对区域内的设备进行划分；所有设备被分成不同的簇，每个簇对应一个售后服务区域；确定售后服务区域，选择该区域中运维代价最低的点作为售后服务点；每一个售后服务点所配置的生产要素数量与其相连的售后区域内的设备数量正相关；采用统计策略，获得设备零部件损坏概率，作为生产要素零部件库存配置的优化依据；根据零件损坏概率，以及企业对冗余度的规划，优化售后点中零部件配置方式；随时间变化，当区域内设备密度发生大幅度变化时，重新执行上述步骤，优化区域内零部件配置方式。
-
公开(公告)号：CN114841774B
公开(公告)日：2025-03-14
申请号：CN202210507284.8
申请日：2022-05-10
Applicant: 南京大学
IPC: G06Q30/0601 , G06F18/214 , G06F18/213
Abstract: 本发明提供了一种基于经济运行不确定性因素分析的精准服务推荐方法，包括以下步骤：步骤1:原始数据处理。对数据进行预处理，包括缺失值处理、异常值处理和标准化，然后从原始数据中提取出有效特征，并进行特征嵌入。步骤2:初始化模型。根据数据特征，初始化推荐系统模型。步骤3:训练模型。将步骤1中处理好的样本输入至步骤2中的模型，选择合适的损失函数训练模型。步骤4:采集困难负样本。使用LIME算法，得到各个特征的归因值，根据归因值采集困难负样本。步骤5:再次训练模型，输出最终模型。在负样本中加入困难负样本，再次训练模型，提高模型的鲁棒性。
-
公开(公告)号：CN114912699A
公开(公告)日：2022-08-16
申请号：CN202210586398.6
申请日：2022-05-26
Applicant: 南京大学
Abstract: 本发明公开了一种工业互联网环境下面向生产要素需求的智能服务方法，包括：获得区域内所有设备的空间地理位置，并将其转化为二维向量；采用层次聚类方式对区域内的设备进行划分；所有设备被分成不同的簇，每个簇对应一个售后服务区域；确定售后服务区域，选择该区域中运维代价最低的点作为售后服务点；每一个售后服务点所配置的生产要素数量与其相连的售后区域内的设备数量正相关；采用统计策略，获得设备零部件损坏概率，作为生产要素零部件库存配置的优化依据；根据零件损坏概率，以及企业对冗余度的规划，优化售后点中零部件配置方式；随时间变化，当区域内设备密度发生大幅度变化时，重新执行上述步骤，优化区域内零部件配置方式。
-
公开(公告)号：CN114841774A
公开(公告)日：2022-08-02
申请号：CN202210507284.8
申请日：2022-05-10
Applicant: 南京大学
Abstract: 本发明提供了一种基于经济运行不确定性因素分析的精准服务推荐方法，包括以下步骤：步骤1:原始数据处理。对数据进行预处理，包括缺失值处理、异常值处理和标准化，然后从原始数据中提取出有效特征，并进行特征嵌入。步骤2:初始化模型。根据数据特征，初始化推荐系统模型。步骤3:训练模型。将步骤1中处理好的样本输入至步骤2中的模型，选择合适的损失函数训练模型。步骤4:采集困难负样本。使用LIME算法，得到各个特征的归因值，根据归因值采集困难负样本。步骤5:再次训练模型，输出最终模型。在负样本中加入困难负样本，再次训练模型，提高模型的鲁棒性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
