-
公开(公告)号：CN118689995A
公开(公告)日：2024-09-24
申请号：CN202410914822.4
申请日：2024-07-09
Applicant: 四川省计算机研究院
IPC: G06F16/332 , G06F16/36 , G06F18/214 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明涉及一种基于知识图谱的农作物病虫害问题意图识别方法及系统，所述识别方法包括：步骤1、收集农作物病虫害数据，构建病虫害知识图谱；步骤2、从农户咨询问题语料库中构建病虫害问句，形成一定比例的训练集和测试集；步骤3、构建神经网络识别模型，对农户咨询问题意图进行识别和应答。本发明构建基于病虫害的知识图谱，为病虫害知识问答系统的答句精准匹配与生成提供服务；采用BERT+TextCNN卷积神经网模型，通过对农户咨询问题数据进行处理、建模及训练、计算，实现农作物病虫害问题意图识别；使用Log‑Softmax作为激活函数，在数字稳定性、计算效率和梯度计算等方面具有更好的鲁棒、稳定性。
-
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
Applicant: 四川省计算机研究院
IPC: G06F16/3329 , G06F16/334 , G06F16/36 , G06N3/094 , G06N3/0464 , G06N5/022
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。
-
公开(公告)号：CN117216688A
公开(公告)日：2023-12-12
申请号：CN202311465129.5
申请日：2023-11-07
IPC: G06F18/243 , G06N3/088 , G06N3/04 , G06Q50/26
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。
-
公开(公告)号：CN115859968A
公开(公告)日：2023-03-28
申请号：CN202310166168.9
申请日：2023-02-27
IPC: G06F40/284 , G06F40/268 , G06N20/00 , G06F40/242
Abstract: 本发明涉及一种基于自然语言解析及机器学习的政策颗粒化分析系统，解决的是准确率低的技术问题，通过采用政策文件采集输入模块、自然语言处理模块、机器学习优化模块、政策颗粒化分析输出模块；所述政策颗粒化分析输出模块根据预定的政策维度特征，以及自然语言处理模块的结果，分析输出政策的颗粒化参数；自然语言处理模块包括文件预处理单元、核心处理组件单元、单词归一化单元、词性标注单元、初级解析单元、词典查询单元、深度解析单元、自然语言处理输出单元；机器学习优化模块包括词性量化单元、机器学习算法库、优化融合单元的技术方案，较好的解决了该问题，可用于政策颗粒化分析中。
-
Patent Agency Ranking
公开(公告)号：CN118349921A
公开(公告)日：2024-07-16
申请号：CN202410781332.1
申请日：2024-06-18
Applicant: 四川省计算机研究院
IPC: G06F18/2431 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/045 , G06N3/084 , G06Q50/02 , G01W1/02
Abstract: 本发明公开了一种基于Bi‑LSTM的病虫害预测方法和系统，包括获取历史水稻病虫害数据，整理形成第一水稻病虫害数据集，对于特定地区的特定病害，第一水稻病虫害数据集的数据项包括发生时间段、病虫害评估值和多个天气因素项；计算第一水稻病虫害数据集中害虫评估值与各个天气因素项的相关性，选取相关性排名前五的天气因素项及对应的病虫害评估值，形成第二水稻病虫害数据集；将第二水稻病虫害数据集划分为训练集和测试集，并转化为适应Bi‑LSTM神经网络模型的输入形式；训练及验证Bi‑LSTM神经网络模型；利用训练好的Bi‑LSTM神经网络模型对病虫害进行预测。本发明可用于一定区域短期病虫害的预测。
-
公开(公告)号：CN116611701A
公开(公告)日：2023-08-18
申请号：CN202310374888.4
申请日：2023-04-10
IPC: G06Q10/0637 , G06F18/213 , G06F18/24 , G06F3/06
Abstract: 本发明涉及一种基于企业社会信用代码的多源数据产业化分析系统及方法，解决的是效率低、误差高的技术问题，通过采用分布设置的多源异构数据采集单元，与多源异构数据采集单元一一连接的完成数据虚拟化的多源异构数据处理单元，多源异构数据处理单元连接企业数据存储单元，还包括云服务器中设置的数据分析服务单元、数据呈现单元；多源异构数据处理单元包括统一社会信用代码内部分析单元，以及产业化数据处理单元的技术方案，较好的解决了该问题，可用于产业化分析中。
-
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
IPC: G06F18/243 , G06N3/088 , G06N3/04 , G06Q50/26
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.
-
-
公开(公告)号：CN115859223A
公开(公告)日：2023-03-28
申请号：CN202310166172.5
申请日：2023-02-27
IPC: G06F18/25 , G06F17/16 , G06F18/241
Abstract: 本发明涉及多源数据行业融合分析方法及系统，解决了分析精度低的技术问题，通过采用包括多源数据采集单元，多源数据处理与存储单元，行业融合分析单元以及数据输出单元；行业融合分析单元根据行业分析方法完成行业分析；方法包括步骤1，解析统一社会信用代码信息，根据主体工商注册信息确定主体行业；步骤2，识别采集的主体多源数据，将主体多源数据与行业的相关性作为主体的行业权重值，识别出主体的所有行业属性；步骤3，构建行业分析算法模型，根据行业分析的目标行业，将隶属于目标行业的主体的主体多源数据，以及对应的行业权重值输入行业分析算法模型的技术方案，较好的解决了该问题，可用于行业融合分析中。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
