[发明专利]一种基于图模型关联推荐算法的多模型融合方法在审

专利信息
申请号: 202211432001.4 申请日: 2022-11-16
公开(公告)号: CN115757825A 公开(公告)日: 2023-03-07
发明(设计)人: 谢瀚阳;彭泽武;李晓璐;简晓雯;冯歆尧;苏华权;梁盈威;朱泰鹏 申请(专利权)人: 广东电网有限责任公司
主分类号: G06F16/36 分类号: G06F16/36;G06F18/25;G06Q50/06
代理公司: 广州永华专利代理有限公司 44478 代理人: 唐立辉
地址: 510060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 模型 关联 推荐 算法 融合 方法
【权利要求书】:

1.一种基于图模型关联推荐算法的多模型融合方法,其特征是包括如下步骤:

步骤A:获取具有相同的对象组的多个历史模型,对象组是指:闭环连接的多个对象,对象组包括这些对象各自的属性和各个对象之间的连接关系;

步骤B:在所获取的这些历史模型中,以对象组中的各个对象为起点或终点分别读取依次连接的多个对象,以在所获取的全部历史模型中重复出现达预设程度的多个对象及其对象关系作为关系链;

步骤C:调取具有所述关系链的多个历史模型;

步骤D:若所调取的历史模型中,所述关系链上的对象还从关系链以外连接到对象组中的其他对象,则认为该对象为历史模型中的关联对象,获取各个历史模型的关联对象的数量;

步骤E:提取关联对象的数量在预设范围内的多个历史模型,集成所提取的这些历史模型从而实现多模型融合来生成新的业务模型。

2.如权利要求1所述的基于图模型关联推荐算法的多模型融合方法,其特征是:还包括在所述步骤E后执行的显示步骤,根据用户对用于集成该新的业务模型的多个历史模型的选择操作,显示该新的业务模型异于所述被选择的历史模型的对象和对象间的关系。

3.如权利要求1所述的基于图模型关联推荐算法的多模型融合方法,其特征是:所述步骤A中,对象组的多个对象闭环连接是指这些对象组成一个循环的闭环。

4.如权利要求1所述的基于图模型关联推荐算法的多模型融合方法,其特征是:所述步骤A中,所述多个对象闭环连接是指这些对象都在一个闭环内且这些对象中存在该闭环的起点和/或终点。

5.如权利要求1所述的基于图模型关联推荐算法的多模型融合方法,其特征是:所述步骤B中,重复出现达预设程度是指:重复次数达到预设下限值和/或重复次数在所有关系链中排在预设范围内。

6.如权利要求1所述的基于图模型关联推荐算法的多模型融合方法,其特征是:包括预存有多个通用概念模型的通用模型库,所述步骤A获取的历史模型是指与各个通用概念模型的相似度均不高于预设阈值的历史模型。

7.如权利要求1所述的基于图模型关联推荐算法的多模型融合方法,其特征是:包括在所述步骤A前执行的对象要素获取步骤,获取新业务模型的构建要素,所述步骤A中获取的多个历史模型的对象组均具有与所述对象要素相匹配的对象,所述步骤B中的关系链是以与对象要素相匹配的所述对象为起点或终点。

8.如权利要求7所述的基于图模型关联推荐算法的多模型融合方法,其特征是:所述对象要素是根据用户的输入操作提取的。

9.如权利要求8所述的基于图模型关联推荐算法的多模型融合方法,其特征是:所述根据用户的输入操作提取是指以用户输入或选择的词汇作为对象要素。

10.如权利要求8所述的基于图模型关联推荐算法的多模型融合方法,其特征是:所述根据用户的输入操作提取是指获取用户输入的自然语言,执行预设的要素提取算法,以要素提取算法提取的词汇作为对象要素。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司,未经广东电网有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211432001.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top