-
公开(公告)号：CN119782628A
公开(公告)日：2025-04-08
申请号：CN202510279268.1
申请日：2025-03-11
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538
Abstract: 本公开涉及基于逻辑判断的目标场地智能推荐方法及装置。方法包括获取请求人的场地预约请求，场地预约请求包括场地预约日期、场地使用时长、场地参与人员、场地参与人数和场地所需功能。从全部场地中筛选出符合场地所需功能的第一场地；从第一场地中筛选出符合场地参与人数的第二场地；从第二场地中筛选出符合场地预约日期、场地使用时长的第三场地；从第三场地中筛选出与场地参与人员不存在日程冲突的第四场地。此外，该方法还包括将全部第四场地展示给请求人。通过这种方式，能够直接自动筛选出满足使用需求且与场地参与人员不存在日程冲突的场地供场地预约的请求人挑选，使得场地预约操作更加便利，且不会给后续操作带来麻烦。
-
公开(公告)号：CN116126388A
公开(公告)日：2023-05-16
申请号：CN202211619781.3
申请日：2022-12-16
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F8/71 , G06F16/958
Abstract: 一种信息发布Web界面动态生成方法，属于计算机应用技术领域。方法应用于智能终端，方法包括：步骤S01，接收用户第一操作指令，配置布局组件，并在布局组件配置完成后生成信息发布模块；第一用户操作指令包含布局组件的配置信息；步骤S02，在按照步骤S01生成若干信息发布模块后，形成信息发布Web界面；信息发布Web界面以数组形式存储若干对象，每个对象对应一个信息发布模块；步骤S03，接收用户第二操作指令，调整若干信息发布模块在信息发布Web界面的布局结构并存储到数组中；用户第二操作指令包含信息发布模块的位置信息和/或信息发布模块的尺寸信息；布局组件在步骤S01前从模板库中获得。本发明够快速响应需求变更，缩短开发流程。
-
公开(公告)号：CN110991711A
公开(公告)日：2020-04-10
申请号：CN201911135219.1
申请日：2019-11-19
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于深度神经网络的多因素感知终端换机预测方法，首先采集终端属性以及相关的用户自然属性、通话行为数据、流量使用行为数据和历史换机记录，并进行预处理；其次进行编码得到用户自然属性编码和终端属性编码，根据用户历史换机记录和对应的终端属性编码构建用户历史换机信息编码，并构建用户通话、流量使用行为时序，进行粗化和归一化处理；提取用户通话、流量使用行为时序特征；最后将用户自然属性编码、历史换机信息编码、通话行为时序特征和流量使用行为时序特征拼接后送入全连接网络，预测用户是否会换机。本发明的预测方法，有利于运营商面向用户精准营销移动终端及其配套产品，从而提升移动终端销量、扩大市场规模。
-
公开(公告)号：CN117689102A
公开(公告)日：2024-03-12
申请号：CN202311630133.2
申请日：2023-12-01
Applicant: 浙江鸿程计算机系统有限公司 , 杭州尚青科技有限公司
IPC: G06Q10/063 , G06Q50/26 , G06F16/29 , G06F16/2455
Abstract: 本发明公开了一种河道水体污染溯源方法、装置设备和存储介质，其中，该方法包括：基于河道上的监测站点的位置信息和排污口的位置信息创建拓扑结构图；排污口包括与所述河道直接连接的一级排污口和与一级排污口连接的二级排污口；实时获取各个监测站点的污染物浓度变化信息和排污口监测数据；基于污染物浓度变化信息和排污口监测数据查询拓扑结构图，确定污染源所在的目标河段及目标河段对应的目标排污口。本发明通过基于河道上的监测站点的位置信息和排污口的位置信息创建拓扑结构图，进而基于时间滞后模型对拓扑结构图中的排污口进行筛选，从而可以精准定位污染源所在的河段以及污染源所对应的排污口，提高了溯源精度和溯源效率。
-
公开(公告)号：CN110955828B
公开(公告)日：2023-08-01
申请号：CN201911134269.8
申请日：2019-11-19
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9535 , G06N3/0442 , G06N3/045 , G06N3/082
Abstract: 本发明涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，具体包括：首先数据采集并进行预处理；利用全连接层提取用户自然属性特征表示；其次，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将两者拼接，作为用户特征表示；利用全连接层提取套餐属性特征表示；将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。本发明基于深度神经网络实现多因素嵌入个性化套餐推荐方法，有利于运营商面向用户进行针对性的套餐推荐，从而有利于扩大市场规模，推广5G业务。
-
Patent Agency Ranking
公开(公告)号：CN110955828A
公开(公告)日：2020-04-03
申请号：CN201911134269.8
申请日：2019-11-19
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，具体包括：首先数据采集并进行预处理；利用全连接层提取用户自然属性特征表示；其次，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将两者拼接，作为用户特征表示；利用全连接层提取套餐属性特征表示；将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。本发明基于深度神经网络实现多因素嵌入个性化套餐推荐方法，有利于运营商面向用户进行针对性的套餐推荐，从而有利于扩大市场规模，推广5G业务。
-
公开(公告)号：CN109063908A
公开(公告)日：2018-12-21
申请号：CN201810852241.7
申请日：2018-07-30
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于深度多任务学习的城市AQI预测与空间细粒度AQI等级估计方法，本发明对于AQI预测，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对有监测站区域的AQI进行预测。对于空间细粒度AQI等级估计，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对无监测站区域的AQI等级进行估计。通过共享数据表示，对模型参数进行协同训练。本发明结合深度学习和多任务学习对有空气质量监测站的区域进行AQI预测，对无空气质量监测站的区域进行AQI等级估计，在普适计算、环保等领域具有广阔的应用前景。
-
公开(公告)号：CN109063908B
公开(公告)日：2020-10-27
申请号：CN201810852241.7
申请日：2018-07-30
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于深度多任务学习的城市AQI预测与空间细粒度AQI等级估计方法，本发明对于AQI预测，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对有监测站区域的AQI进行预测。对于空间细粒度AQI等级估计，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对无监测站区域的AQI等级进行估计。通过共享数据表示，对模型参数进行协同训练。本发明结合深度学习和多任务学习对有空气质量监测站的区域进行AQI预测，对无空气质量监测站的区域进行AQI等级估计，在普适计算、环保等领域具有广阔的应用前景。
-
公开(公告)号：CN107133274A
公开(公告)日：2017-09-05
申请号：CN201710228718.X
申请日：2017-04-10
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于图知识库的分布式信息检索集合选择方法，主要包括如下步骤：1)采用实体链接方法，从各个集合的样本文档中获取集合的实体词集；2)基于上下文相关度和结构相关度，计算实体词的权重，使用加权的实体词集表示集合的语义信息；3)采用查询扩展方法扩展查询中包含的实体词，并为查询实体词赋予不同的权重；4)采用查询与集合相关度度量方法计算集合评分，选择评分较高的前若干个集合。本发明利用图知识库中蕴含的实体关系和网络结构，使用基于图知识库的集合语义建模方法、查询扩展方法和查询与集合相关度度量方法，提高了集合选择方法的准确度。
-
公开(公告)号：CN119887135A
公开(公告)日：2025-04-25
申请号：CN202411920970.3
申请日：2024-12-25
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06Q10/105 , G07C9/29
Abstract: 本公开涉及一种考勤数据处理方法及装置。方法包括获取员工的打卡数据和通行数据。该方法还包括基于打卡数据和通行数据，确定考勤记录表，考勤记录表包括多个员工的考勤数据、以及多个与考勤数据对应的第一考勤判断结果。此外，该方法还包括响应于考勤记录表中的第一考勤判断结果为非正常，基于考勤记录表中的考勤数据与差旅数据和请假销假数据，确定第二考勤判断结果，以将考勤记录表中的第一考勤判断结果调整为第二考勤判断结果。通过这种方式，利用两种考勤数据确定员工的有效考勤记录，并结合差旅、请假数据，确定出差、请假记录，这样提高了考勤数据处理正确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.03 seconds)
