[发明专利]基于多实体主题一致性抽取的实体链接方法及系统在审
| 申请号： | 202211102340.6 | 申请日： | 2022-09-09 |
| 公开（公告）号： | CN115640508A | 公开（公告）日： | 2023-01-24 |
| 发明（设计）人： | 张超;李钊;陈通;孙露;孙浩;展一鸣 | 申请（专利权）人： | 山东省计算中心（国家超级计算济南中心） |
| 主分类号： | G06F18/211 | 分类号： | G06F18/211;G06N3/0464;G06N3/08 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 赵妍 |
| 地址： | 250000 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及实体链接技术领域，提供了基于多实体主题一致性抽取的实体链接方法及系统，包括：获取文档，将文档的所有提及划分到若干个稀疏图，每个稀疏图对应一个主题，对每个主题构建一个提及实体关联图，并计算每个提及实体关联图的整图表示；基于每个提及实体关联图的整图表示，并结合每个提及的候选实体集合，得到每个主题的全局一致性特征；基于每个主题的全局一致性特征，计算每个提及与其候选实体的分数，并将提及链接到分数最大的候选实体。提高了实体链接的准确性。 | ||
| 搜索关键词： | 基于 实体 主题 一致性 抽取 链接 方法 系统 | ||
【主权项】：
暂无信息
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山东省计算中心（国家超级计算济南中心），未经山东省计算中心（国家超级计算济南中心）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/patent/202211102340.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 目标特征参数的确定方法、装置、设备、介质及产品-202211553722.0
- 左璐;刘建国;任达耀;周巍 - 中国移动通信集团湖北有限公司;中国移动通信集团有限公司
- 2022-12-06 - 2023-10-27 - G06F18/211
- 本申请公开了一种目标特征参数的确定方法、装置、设备、介质及产品，其中方法包括：获取多个历史5G用户样本；针对每个历史5G用户样本分别执行：分别对多个准目标用户特征参数分别进行降维归一化处理，得到归一化处理后的特征参数；根据多个归一化处理后的特征参数，生成多个特征参数集合；针对每个特征参数集合分别执行：利用决策树模型以及特征参数集合中的特征参数，识别对应用户是否为异常用户，得到识别分类结果；将与用户类别标签一致的识别分类结果对应的特征参数集合中的特征参数，确定为目标特征参数。根据本申请实施例，能够确定识别异常用户所需的目标特征参数，从而更准确的识别异常用户，保证识别异常用户的高效性。
- 一种信贷风险管理领域特征交叉衍生方法-202310697722.6
- 陈兴隆;张文文 - 北银金融科技有限责任公司
- 2023-06-13 - 2023-10-10 - G06F18/211
- 本发明提供的一种信贷风险管理领域特征交叉衍生方法，所述交叉衍生方法包括：步骤S1：获取原始数据集；步骤S2：基于所述原始数据集进行特征初筛，获得初筛特征；步骤S3：将所述初筛特征进行分箱和one‑hot处理，获得处理结果；步骤S4：根据所述处理结果生成并筛选频繁项集；步骤S5：根据筛选后的频繁项集，进行规则挖掘；步骤S6：筛选规则，并生成衍生特征。新增的衍生特征既扩展了特征交叉的维度，又具备较强的可解释性，提升了逻辑回归算法在信贷风险管理领域的应用实践效果，在实践中获得业务方认可。
- 基于量子人工水母搜索机制的特征选择方法-202310548465.X
- 高洪元;郭颖;揣济阁;孙溶辰;杜亚男;任立群;狄妍岐;陈暄;谷晓苑 - 哈尔滨工程大学
- 2023-05-16 - 2023-10-03 - G06F18/211
- 本发明提供一种基于量子人工水母搜索机制的特征选择方法，将量子优化理论和人工水母搜索机制结合进而得到量子人工水母搜索机制，并将解决连续优化问题的人工水母搜索机制进行离散化处理，使其具有更高的鲁棒性，突破人工水母搜索机制的应用局限。采用同步优化方法的封装式特征选择可以有效的降低传统封装式特征选择的时间复杂度。利用群智能优化方法同时进行对支持向量机超参数的寻优和特征子集的选取对于所选用的智能优化方法的性能有较高的要求，而本发明的量子人工水母搜索机制拥有较优秀的收敛性和更短的用时。因此相较于一些基于已有传统群智能的特征选择方法，本发明拥有更快的收敛速度、更高的收敛精度、更低的时间复杂度和更好的鲁棒性。
- 一种飞行数据辨识方法-202310291958.X
- 汪海波;李根;司海青;潘亭;刘海波;尚磊;李忆轩 - 南京航空航天大学
- 2023-03-23 - 2023-09-29 - G06F18/211
- 本发明公开了一种飞行数据辨识方法，属于飞行数据辨识技术领域。该方法通过对采集的原始飞行数据集进行预处理，得到标准飞行数据集；选取能够区分正常飞行与风切变影响下飞行的飞行参数，构建待检测飞行数据集；对待检测飞行数据集进行特征提取，得到待检测飞行数据特征集；建立基于深度置信网络的风切变飞行数据辨识模型，根据风切变飞行特征进行数据辨识。本发明在数据特征提取基础上使用深度置信网络提出了一种风切变飞行数据辨识方法，该方法能够快速辨识出风切变影响下飞行时的飞行数据，为分析飞行员应对风切变的能力提供便利；同时该方法解决了人工辨识精度低的问题，提高了对风切变飞行数据辨识的效率和准确性。
- 特征选择方法、装置、电子设备及存储介质-202310212537.3
- 苏培煌;庄跃生;黄二明 - 中国建设银行股份有限公司;建信金融科技有限责任公司
- 2023-02-27 - 2023-09-22 - G06F18/211
- 本公开提供一种特征选择方法、装置、电子设备及存储介质，可以应用于人工智能和大数据技术领域。其中，方法包括：获取原始数据集，其中，原始数据集中包括用户的特征；对原始数据集中的特征进行多因素方差分析，得到至少一个候选数据集；其中，候选数据集中包括至少一个候选特征；根据候选特征与结果标签的相关系数以及候选特征的重要性值，确定包括目标特征的目标数据集。由此，能够结合不同特征组合的不同表现，以及特征之间的相互影响，快速有效的选择特征，并且还可以使利用得到的目标数据集训练模型时，缩短训练时间减少内存。
- 一种玻璃类型识别方法和存储介质-202310527946.2
- 张莉;陈心怡;赵雷;王邦军 - 苏州大学
- 2023-05-11 - 2023-09-15 - G06F18/211
- 本发明涉及特征选择学习技术领域。本发明提出的一种玻璃类型识别方法通过将获得的玻璃特征数据利用构建的半监督特征算法进行特征选择得到特征最优子集，利用特征最优子集筛选数据组成训练集训练最近邻分类器对未知的玻璃数据进行类型识别。在构建的半监督特征算法中利用对约束对的计算得到特征数据集中的特征的权重，考虑了样本特征在加权特征空间下的变化，得到更有效的局部信息，在节约了成本的前提下提高了模型对玻璃的分类性能。
- 基于联邦训练的梯度提升树模型构建方法、装置及存储介质-201810918867.3
- 成柯葳;范涛;刘洋;陈天健;杨强 - 深圳前海微众银行股份有限公司
- 2018-08-10 - 2023-09-12 - G06F18/211
- 本发明公开了一种基于联邦训练的特征选择方法，包括以下步骤：采用XGboost算法对两个对齐的训练样本进行联邦训练，以构建梯度提升树模型，其中，所述梯度提升树模型包括多棵回归树，所述回归树的一个分裂节点对应训练样本的一个特征；统计所述梯度提升树模型中同一特征对应的分裂节点的平均收益值，并将所述平均收益值作为对应特征的评分；基于各特征的评分进行特征排序并输出排序结果，以供进行特征选择，其中，若训练样本中存在未对应分裂节点的特征，则该特征使用默认评分。本发明还公开了一种基于联邦训练的特征选择装置及计算机可读存储介质。本发明实现了使用不同数据方的训练样本进行联邦训练建模，进而实现多方样本数据的特征选择。
- 基于目标数据特征训练学习的目标识别方法-201910453388.3
- 成磊峰;罗仕龙 - 西南电子技术研究所(中国电子科技集团公司第十研究所)
- 2019-05-28 - 2023-09-05 - G06F18/211
- 本发明公开了一种基于目标数据特征训练学习的识别方法，利用本发明可以提升对空中移动目标的认知能力，本发明通过下述技术方案予以实现：按照数据层、分析层和应用层构成的分析架构进行目标识别分析，数据层提供数据汇聚和特征模型定义；分析层对多元的目标数据进行属性要素提取、多元数据关联和目标特征选取，形成目标特征数据集，并对目标特征数据集进行组合，形成目标特征模型要素，再进行分类/聚类/关联挖掘、模型训练反馈、特征深度学习；应用层基于业务应用场景对目标特征数据集进行特征组合形成目标特征模型要素，抽取已标注的样本数据作为训练数据，利用训练后的特征模型进行目标识别，完成目标类型识别、目标属性识别和目标状态识别。
- 特征挑选方法-202210808227.3
- 林意淳;许银雄;蔡宗宪;詹韵玄;蔡亭芬;徐唯哲;叶集孝 - 宏碁股份有限公司;宏碁智医股份有限公司;长庚医疗财团法人基隆长庚纪念医院;台湾卫生研究院
- 2022-05-23 - 2023-08-25 - G06F18/211
- 本发明提供一种特征挑选方法，包括：将多个训练数据分别输入至多个训练模型，以通过各训练模型在多个特征中进行挑选，而获得多个特征池；基于每一个特征被所述特征池挑中的次数来排序这些特征，以获得特征排名；以及基于特征排名，自所述特征中取出多个指定特征。
- 近红外光谱变量选择方法、装置、电子设备及存储介质-202310580605.1
- 王鹏;潘正豪;邵利民;李秋潼;陈昆燕;唐杰;朱立军;汪长国;黎洪利;杨俊 - 重庆中烟工业有限责任公司
- 2023-05-22 - 2023-08-22 - G06F18/211
- 本申请提供一种近红外光谱变量选择方法、装置、电子设备及存储介质。方法包括：基于朗伯比尔定律和建模集，创建吸光度矩阵与浓度矩阵的关系模型；循环地基于蒙特卡罗法，从建模集中随机选择p
- 一种电网分区域弱联系的分布式特征选择方法及装置-202310445556.0
- 陈德扬;樊玮;易杨;刘宇;林建熙;秦颖婕;王延纬;苗璐 - 广东电网有限责任公司;广东电网有限责任公司电力调度控制中心
- 2023-04-23 - 2023-08-18 - G06F18/211
- 本发明公开了一种电网分区域弱联系的分布式特征选择方法及装置，方法包括：获取并根据电网运行数据，构建适用于动态安全域分析的初始特征集；根据电网分区域弱联系特性，对所述初始特征集进行初始划分，得到分区特征集；根据预设聚类算法对所述分区特征集进行聚类划分，得到聚类结果；基于所述聚类结果，在所述聚类结果中不同的计算节点上，通过特征重要度的启发式约简算法，对每一个分区特征集进行分布式特征选择，直至所有计算节点都完成对应分区特征集的特征选择后，得到最终特征选择结果。本发明解决了电力系统动态安全域构建过程中的特征冗余、特定故障信息下的关键潮流运行特征量筛选效率与准确率低的技术问题。
- 用于特征选择的蚁狮优化方法、系统、设备及存储介质-202310500864.9
- 陈宏伟;周旬 - 湖北工业大学
- 2023-04-28 - 2023-08-08 - G06F18/211
- 本发明提供一种用于特征选择的蚁狮优化方法、系统、设备及存储介质，所述方法包括以下步骤：首先获取训练数据集，采用信息增益方法提取预选特征集合；构建蚂蚁和蚁狮种群并初始化；利用准对立学习策略优化初始种群；选出适应值最佳的蚁狮作为最佳特征组合，标记为精英蚁狮；蚂蚁种群围绕蚁狮种群随机游走并更新位置；重新计算并更新蚂蚁和蚁狮种群适应值以及精英蚁狮和迭代次数；判断迭代次数是否小于迭代阈值；若是则继续迭代寻找适应值更佳的精英蚁狮，否则停止迭代，返回精英蚁狮以及适应值，确定最优特征组合。实验表明，使用本发明所改进的蚁狮优化算法用于特征选择，能够在减少特征数量的同时提高分类准确率。
- 一种添加权重的雷达电磁仿真波形的特征选择验证方法-202310265116.7
- 高海东;郑群爽;郭俊;谢彦召;谢玮琛;谢志远;张博皓;田爽 - 西安热工研究院有限公司;西安交通大学;华能集团技术创新中心有限公司
- 2023-03-17 - 2023-08-01 - G06F18/211
- 本发明公开了一种添加权重的雷达电磁仿真波形的特征选择验证方法，本发明对低频分量赋予权重，在计算雷达电磁仿真波形的直流分量的差异量时，能够有效地改善正负交替数据的失效，充分考虑直流分量相较低频分量的差异，也更加适合直流分量比重较大的数据分析。本发明通过对高频分量一阶导数的赋予权重，能够体现数据的变化特点，将数据的细节描述得更加具体。本发明提高了低频分量一阶导数的权重，能够适合高频分量占比较少，但是低频分量的占比比较多的数据进行特征选择验证的计算。
- 一种数据预测模型的入模特征确定方法及设备-202110293684.9
- 张巧丽;林荣吉 - 中国平安人寿保险股份有限公司
- 2021-03-19 - 2023-07-25 - G06F18/211
- 本申请属于人工智能领域，涉及一种数据预测模型的入模特征确定方法及设备，所述方法包括:获取待预测的目标对象在预设时间段的历史数据提取多个原始特征变量，对各原始特征变量的特征值进行数据分箱操作，基于分箱结果获取各原始特征变量的特征画像；根据特征画像确定各原始特征变量是否存在数据偏移以及偏移类型，根据偏移类型得到多个第一特征集合，基于未发生数据偏移的原始特征变量生成第二特征集合；确定待预测的目标对象的预测场景，根据预测场景确定入模特征。本申请涉及区块链技术，所述历史数据可存储于区块链中。本申请通过对原始特征变量的特征画像，可实现对特征变量的是否入模进行量化判定，提高模型预测稳定性和准确性。
- 标准作业程序系统建立方法及装置-202310205288.5
- 周振彬;娄珂;宾朝林;李剑锋;秦文礼 - 深圳鼎匠科技有限公司
- 2023-03-06 - 2023-06-27 - G06F18/211
- 本发明公开了一种标准作业程序系统建立方法及装置，该方法包括：获取训练数据；确定所述训练数据中各子数据的数据模态，并根据所述数据模态，对各所述子数据进行数据转换，获得目标子数据；获取各所述目标子数据中关键词的语义，并根据所述关键词的语义，获得对应于各所述目标子数据的标准作业程序SOP子树；根据各所述SOP子树，建立SOP系统。通过确定训练数据中各子数据的数据模态，进而确定相应的数据转换方法，获得对应的、文字形式的目标子数据，提取目标子数据中关键词的语义，获得对应于各所述目标子数据的SOP子树，进而通过所述SOP子树建立SOP系统，提升了多模态训练数据建立SOP系统的通用性和标准化水平。
- 一种适用于智能汽车的结构化道路场景生成方法-202310154061.2
- 李升波;占国建;蒋宇轩;兰志前;吕尧;任彦刚;王建强;成波;李克强 - 清华大学
- 2023-02-23 - 2023-06-23 - G06F18/211
- 本公开提供的适用于智能汽车的结构化道路场景生成方法，包括：选取基准道路场景结构，构建其“结点‑边”图结构模型，该模型中的结点包括与交叉路口相对应的中心结点和与道路场景结构的出入口相对应的端结点，该模型中的边用于连接结点，对应道路场景结构的出入口之间的相邻两向所有车道形成的路段；对“结点‑边”图结构模型中的结点和边进行随机化处理，生成随机化“结点‑边”图结构模型；判断随机化“结点‑边”图结构模型是否合规，若不合规，则重新生成随机化“结点‑边”图结构模型；将合规的随机化“结点‑边”图结构模型对应的道路场景结构输出。本公开可解决智能汽车在特定场景训练的驾驶策略泛化性能差、在线路径规划实时性差等问题。
- 用于使用深度强化学习进行预测建模的自动特征工程-202210982159.2
- M.布亚迪;A.阿拉维 - SAP欧洲公司
- 2022-08-16 - 2023-06-23 - G06F18/211
- 公开了用于为预测建模在数据集上执行特征工程的系统、方法和计算机可读介质。数据集可以包括用于预测模型的多个特征。可以将数据集提供给神经网络，以确定对预测模型影响最大的特征和对预测模型没有正面影响的特征。深度强化学习代理可以选择在数据集上执行的动作。可以将动作应用于数据集，以生成新的特征并获得经变换的数据集。可以从数据集中移除对预测模型没有正面影响的特征。可以为经变换的数据集计算奖励。可以将经变换的数据集和奖励传递到神经网络，以进行进一步迭代和对预测模型的特征的优化。
- 基于L
- 陈征 - 宁波工程学院
- 2019-12-17 - 2023-06-20 - G06F18/211
- 本发明涉及一种基于L
- 数据特征提取模型训练方法及装置-202310145853.3
- 章展鹏;张志强;王健;邱议;方舟;张天琦;李祺萦 - 清云智通（北京）科技有限公司
- 2023-02-21 - 2023-06-06 - G06F18/211
- 本申请实施例公开一种数据特征提取模型训练方法及装置。该方法包括：获取工业生产数据；所述工业生产数据包括多个传感器分别在多个时刻点的数据；对所述工业生产数据进行数据清洗和标准化处理，并将处理后的数据进行时间分片采样，得到多个分片数据；针对每个分片数据，将其分为训练集和测试集；基于所述训练集和测试集，对已构建的深度学习模型进行训练并测试，得到损失函数满足预设条件的深度学习模型，作为数据特征提取模型。应用本申请实施例提供的方案，能够训练得到数据特征提取模型，从而可以对传感器数据进行特征向量数据学习，得到传感器数据对应的特征向量，进而可以将特征向量用于工况监测和预警诊断等等任务的模型输入。
- 一种基于特征贡献的多模型特征选择方法及系统-202211357878.1
- 陈超;宋彪;张瑞环 - 内蒙古卫数数据科技有限公司
- 2022-11-01 - 2023-06-06 - G06F18/211
- 本发明公开了一种基于特征贡献的多模型特征选择方法及系统，包括：S1.提取血常规检验数据和生化检验数据，分别获取样本特征集；S2.基于k折交叉验证方法，获得测试集和训练集；S3.选择多种机器学习分类器模型进行样本集训练，并进行嵌入式特征选择，获得各个模型的平均准确率，输出特征重要性并赋权重值；S4.根据各个模型的平均准确率排序并赋值相应的权重，并与特征权重值相结合构建公式，计算不同模型下每个特征总权重并进行排序选取最优特征子集；S5.使用平均准确率高的模型训练最优特征子集，与S4结果进行对比，确定选取的最优特征子集效果；在保证预测的准确率的同时大大降低训练复杂度，更够高效快速的在高维数据集中寻找最优特征子集。
- 一种变压器油温表计异常辨识方法及系统-202310220068.X
- 张殷;李国伟;王俊波;唐琪;蒋维;罗容波;金向朝;陈贤熙;何胜红;王志刚;张伟忠;郑伟钦;杨钧豪;刘崧;王智娇;刘少辉;刘昊;吴焯军;李兰茵;赖艳珊;姜沛东 - 广东电网有限责任公司;广东电网有限责任公司佛山供电局
- 2023-03-08 - 2023-06-02 - G06F18/211
- 本发明涉及变压器检测技术领域，公开了一种变压器油温表计异常辨识方法及系统，其方法通过变压器的油温数据、负荷数据和环温数据，构建油温预测样本集，基于经过遗传算法进行特征优选与参数优化的支持向量回归模型对油温预测样本集进行训练，构建变压器油温预测模型，并进行变压器油温预测，从变压器油温表计的单点偏离、序列波动和残差分布三个方面计算变压器油温表计的状态静态辨识结果，还利用滑动时间窗持续监测油温残差序列的变化趋势，依据此计算变压器油温表计的异常动态辨识结果，综合变压器油温表计的状态静态辨识结果和异常动态辨识结果对变压器油温表计状态进行辨识，从而提高变压器油温表计异常辨识的准确性和效率。
- 电力系统暂态稳定关键特征选择方法、装置及产品-202211475120.8
- 刘宝柱;李佳琛;张璐路;马军;张爽;罗亚洲;鲁广明;罗海荣;张雷;王兵;王运;李诗童;马晶;张庆平;刘桂箐;王洁聪;马天东;高鹏飞;石琛;朱仔新;戴红阳;赵磊 - 国网宁夏电力有限公司电力科学研究院;华北电力大学;中国电力科学研究院有限公司;国网宁夏电力有限公司;国家电网有限公司华北分部
- 2022-11-23 - 2023-06-02 - G06F18/211
- 本发明实施例提供了一种电力系统暂态稳定关键特征选择方法、装置及产品，属于信息处理技术领域。本发明实施例中，考虑了电网中未进行安全稳定评估的运行数据，用局部线性嵌入保留了无标签数据的运行数据样本的流形结构；本发明实施例中，采用基于Fisher Score的前向序列选择法，并采用局部线性嵌入处理无标签数据，同时利用主成分分析法计算方差累计贡献率对特征进行降维；降维后进行高效增量特征选择，从而选择出影响电力系统暂态稳定的关键特征。本发明实施例可以全面地利用电力系统运行过程中产生的未经过安全稳定评估的运行数据，提高了选择出的关键特征在测试集上的分类准确率。
- 一种人工智能可解释性算法选择方法及相关设备-202310182350.3
- 闫玲玲 - 中银金融科技有限公司
- 2023-02-27 - 2023-05-30 - G06F18/211
- 本申请提供一种人工智能可解释性算法选择方法及相关设备，依据预设筛选规则以及目标项目信息，初步筛选出多种候选可解释性算法后，可以依据多种候选可解释性算法，分别对目标项目信息进行处理，得到每个候选可解释性算法的预设数量的重要特征；并通过预设的特征构造方式，获得所述目标项目信息的解释真值，从而依据解释真值以及多种候选可解释性算法各自对应的重要特征，获得每个候选可解释性算法的解释命中率，这样至少依据多种候选可解释性算法各自的解释命中率，可以快速且准确地确定针对目标项目的目标可解释性算法。
- 基于BERT预训练模型的可访问性问题报告的自动识别方法-202310238016.5
- 赵雅欣;周宇 - 南京航空航天大学
- 2023-03-13 - 2023-05-30 - G06F18/211
- 本发明属于软件缺陷检测技术领域，公开了一种基于BERT预训练模型的可访问性问题报告的自动识别方法。该方法利用当下表现出色的BERT模型以实现Github中可访问性问题报告的自动识别，采用一系列有效的预处理技术完成数据收集和处理工作，选取经过预训练的seBERT模型微调，更好地提取Github问题报告中关于可访问性的语义信息，使得模型在训练数据较少的情况下也能有较好的效果，提高研究者采集可访问性相关数据时的准确率；最后通过卷积神经网络完成二分类工作，从而成功从大量未知类型的问题报告中筛选出目标数据。本发明通过使用预训练模型，以解决神经网络和机器学习训练数据不足的问题，使得自动分类方法能够成功地应用于数据样本采样困难的可访问性研究领域。
- 一种面向工控系统的恶意流量检测方法、装置及计算机存储介质-202211546950.5
- 韦南;殷丽华;胡博;阮楚鸿;孙哲;罗熙;许超;周金磊 - 广州大学
- 2022-12-05 - 2023-05-30 - G06F18/211
- 本发明提出了一种基于K‑means的工控系统恶意流量检测特征增强方法，包括分析工控系统标签流量特征的均值、方差和偏度的偏离程度，结合所述标签流量特征统计变量的四分位数计算特征分组系数，根据所述特征分组系数将原始流量特征分组；对不同分组的原始流量特征进行聚类，生成聚类特征，所述聚类特征作为检测模型的数据输入。该方法通过对原始流量特征按标签分组、筛选和聚类，生成多样性的聚类特征，避免了传统特征增强方法难以描述工控系统正常流量和恶意流量的差异的问题。
- 一种光学等离子体边界位形的重建方法及系统-202310232839.7
- 韩效锋;严海龙;杨建华 - 中国科学院合肥物质科学研究院
- 2023-03-07 - 2023-05-30 - G06F18/211
- 本发明公开了一种光学等离子体边界位形的重建方法及系统，属于等离子体物理技术领域，包括采集光学等离子体图像，将采集的光学等离子体图像输入训练好的U‑Net网络模型，进行光学等离子体边界识别，获取光学等离子体图像的多个边界点的像素坐标；利用XGBoost模型训练对映射函数进行拟合，利用拟合后的映射函数将所述等离子图像下边界点的像素坐标转换为极向面下边界点的像素坐标，实现所述光学等离子体位形的重建。本发明在没有相机标定的情况下，选取像素坐标的标签值，并基于XGBoost模型实现了光学等离子体的边界重建，将图像平面转换为托卡马克的极向面，对比现有技术，本发明的重建方法精度更高，且不存在水平漂移问题。
- 特征离散化方法、点击率预测方法、电子设备及存储介质-202310147171.6
- 郑翔;康珣;郁学敏 - 微梦创科网络科技（中国）有限公司
- 2023-02-09 - 2023-05-26 - G06F18/211
- 本申请公开了一种特征离散化方法、点击率预测方法、电子设备及存储介质，特征离散化方法，包括：获取样本集，所述样本集中包括多个连续特征；确定至少一个划分位置，其中所述划分位置用于将所述多个连续特征划分为两个样本子集；针对每个所述划分位置，确定所述两个样本子集的基尼指数；根据预先设置的离散化特征集的个数、以及每个所述划分位置对应的基尼指数，确定所述样本集离散化后的离散化特征集。本申请实施例解决了相关技术中对连续特征进行离散时离散后的特征准确度较低的问题。
- 基于人工智能的异常优化决策方法及AI分析系统-202310216207.1
- 张宾;陈翰卿 - 张宾
- 2022-09-15 - 2023-05-23 - G06F18/211
- 本申请实施例提供一种基于人工智能的异常优化决策方法及AI分析系统，依据每个参考异常特征序列中的参考异常特征进行时空节点特征随机转换得到的时空节点转换参考特征中的至少两个时空节点转换参考特征之间的混合，生成参考异常特征序列对应的混合异常特征序列，并获得参考异常特征序列的衍生参考异常特征序列，基于多个参考异常特征序列的多个衍生参考异常特征序列，训练用于异常知识点决策的异常知识点决策模型，训练后的异常知识点决策模型对目标融合特征进行异常知识点决策，获得对应于目标云服务异常事件的异常优化决策信息，可以提高异常优化决策信息的准确性，进而提高后续云服务页面运行的稳定性。
- 一种特性子集选择和特性多元时间序列排序系统-201911081381.X
- 莫毓昌 - 莫毓昌
- 2019-11-07 - 2023-05-23 - G06F18/211
- 本发明公开了一种特性子集选择和特性多元时间序列排序系统，涉及数据处理技术领域。该特性子集选择和特性多元时间序列排序系统，具体步骤如下：S1、使用包装器方法和过滤器方法进行特征子集选择(FSS)；S2、判断类标签是否可用，若可用，则使用监督FSS技术，若不可用，则使用无监督FSS技术；S3、将隐马尔可夫模型(HMM)和耦合HMM(CHMM)的变体应用于UCI KDD Archive的脑电图数据集，并对其进行分类。该特性子集选择和特性多元时间序列排序系统，利用主成分分析的特性来保留这些信息，使用分类作为目标数据挖掘任务，从而可以很好的评估所选特征子集的有效性，在确保精准度的前提下极大的减少了计算的复杂程度，提高了计算效率。
- 产品质量的根因分析方法、装置和电子设备-202310120611.9
- 周英敏;石逸轩;戴明洋 - 北京百度网讯科技有限公司
- 2023-02-02 - 2023-05-09 - G06F18/211
- 本公开提供了一种产品质量的根因分析方法、装置和电子设备，涉及人工智能技术领域，尤其涉及机器学习、数据处理技术领域。具体实现方案为：获取产品的目标数据；获取产品的多个候选特征，候选特征影响产品的质量；基于目标数据，得到候选特征的总重要性参数，总重要性参数用于表征候选特征对产品的质量的重要性；基于总重要性参数，从多个候选特征中筛选出目标特征。由此，可基于产品的目标数据，得到候选特征的总重要性参数，以从多个候选特征中筛选出目标特征，相较于相关技术中大多依赖用户的主观经验来进行根因分析，可对候选特征对产品的质量的重要性进行量化，得到总重要性参数，以进行根因分析，提高了产品质量的根因分析的准确性。
- 专利分类
