基于层次标签树与神经网络的企业行业识别方法与系统

    公开(公告)号:CN117216688B

    公开(公告)日:2024-01-23

    申请号:CN202311465129.5

    申请日:2023-11-07

    Abstract: 本发明公开了一种基于层次标签树与神经网络的企业行业识别方法与系统,所述方法包括:将国民经济行业分类数据,构建为层次标签树;根据层次标签树,构建用于神经网络模型训练的正例数据与反例数据;根据正例数据与反例数据和企业经营范围数据,计算层次标签树的路径得分,对企业进行行业识别。本发明采用了基于层次标签树与神经网络的企业行业识别方法,可以高精度的对企业进行行业识别,以便于后续对企业数据进行更为详尽的分析。(56)对比文件Wei Qian 等.The implementation ofleisure tourism enterprise managementsystem based on deep learning《.Int J SystAssur Eng Manag》.2021,第12卷(第4期),801-812.Aytug˘ Onan.Hierarchical graph-basedtext classification framework withcontextual node embedding and BERT-baseddynamic fusion《.Journal of King SaudUniversity – Computer and InformationSciences 35 (2023)》.2023,1-18.Haixia Zhou 等.An Enterprise ServiceDemand Classification Method Based onOne-Dimensional Convolutional NeuralNetwork with Cross-Entropy Loss andEnterprise Portrait《.entropy》.2023,1-13.Hexiang Hu 等.Learning StructuredInference Neural Networks with LabelRelations《.CVPR 2016》.2016,1-9.

    基于动态知识图谱的农业领域灾害预警和咨询应答方法

    公开(公告)号:CN119760085A

    公开(公告)日:2025-04-04

    申请号:CN202411883138.0

    申请日:2024-12-19

    Abstract: 本发明公开了基于动态知识图谱的农业领域灾害预警和咨询应答方法,属于数据分析处理技术领域,本申请设计基于意图识别的深度卷积神经网络,提高对话意图识别的准确性,可较好的对用户问题数据进行学习,抽取出用户问题中的关键信息,并根据关键信息对文本意图进行正确识别,生成对抗神经网络可进行用户意图分析,提升农业智能应答的准确性、针对性,通过利用生成对抗神经网络强大的建模能力及对抗学习思想,可较好的完成特征提取,并根据特征生成合理的、有帮助性的、针对特定意图的回复,基于贝叶斯神经网络的预警模型,提升了预警效果,对农业灾害防治起到指导性作用,解决了传统BP神经网络收敛速度慢、容易陷入局部最小化的问题。

Patent Agency Ranking