“专利流程的重要性”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果39437513个，建议您升级VIP下载更多相关专利

[发明专利]一种资源分配方法、装置、电子设备及存储介质-CN202010224983.2在审
发明人：赵雨露 -专利权人：北京奇艺世纪科技有限公司
申请日： 2020-03-26 - 公布日： 2020-06-19 - 主分类号： G06F9/50 文献下载
摘要：方案如下：检测预设业务与初始化接口之间的关联关系，以及初始化接口与微服务接口之间的调用关系；根据关联关系和调用关系，获取各个接口的重要性权重；其中；输出各个接口的重要性权重，以基于各个接口的重要性权重进行资源分配通过本发明实施例提供的技术方案，综合考虑了影响接口重要性权值的各个因素，这有效提高了获取的接口重要性权重的准确性，从而提高了基于接口的重要性权重进行资源分配的合理性，维护了网络运行的稳定性。
一种资源分配方法装置电子设备存储介质

[发明专利]基于局域结构流量的城市路网重要节点识别方法-CN202011580841.6有效
发明人：钟季龙;范波;伍劭实;侯振伟;张小飞;翟小玉 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2020-12-28 - 公布日： 2022-02-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于局域结构流量的城市路网重要节点识别方法，包括：根据城市路网信息构建路网模型；根据路网模型的局域结构和节点流量状态设定路网节点重要性指标；计算路网模型中每一个节点的路网节点重要性指标，根据所有节点的路网节点重要性指标确定所有节点的重要性顺序。本发明的基于局域结构流量的城市路网重要节点识别方法综合考虑了路网局域结构和节点流量状态对节点重要性的影响，得到的节点重要性顺序具有更高的准确性和可信度，工程指导性好，相比于仅考虑路网结构和仅考虑节点流量的节点识别方法，具有更好的识别效果，既能适用于静态分析路网重要节点，又能适用于动态监控和管理路网上的重要节点，具备较强的动态适应性。
基于局域结构流量城市路网重要节点识别方法

[发明专利]站点重要性评估方法及装置-CN202210618020.X在审
发明人：高超;王震;蒋世洪;李向华;李学龙 -专利权人：西北工业大学
申请日： 2022-06-01 - 公布日： 2022-10-11 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了站点重要性评估方法及装置，属于交通网络和传播动力学技术领域。解决现有评估站点重要性未能充分体现运营线路，存在基于最短路径使用网络拓扑结构全局信息，导致计算远处站点对站点重要程度的影响相对耗时的问题。该方法包括：根据公交网络和地铁网络构建公交‑地铁双层网络，节点网络，线路网络和二部图网络；根据社团挖掘算法确定节点网络的社团结构以及社团中心节点，形成增强型节点网络；基于增强型节点网络确定每个第二节点的初步重要性，基于线路网络确定每个第三节点的初步重要性；根据二部图网络、每个第二节点的初步重要性和每个第三节点的初步重要性，确定所述节点网络包括的第二节点的最终重要性。
站点重要性评估方法装置

[发明专利]一种基于实体重要性和相似性的电商知识图谱补全方法-CN202210564352.4在审
发明人：杨旭华;童越;熊贞;张宇辰;蒋智捷;陈昊楠;朱慷亮 -专利权人：浙江工业大学
申请日： 2022-05-23 - 公布日： 2022-09-02 - 主分类号： G06F16/36 文献下载
摘要：一种基于实体重要性和相似性的电商知识图谱补全方法，将电商知识图谱以三元组形式表示，计算电商实体的重要性；通过电商实体相似性分类把实体划分成不同类别，并在此基础上生成负三元组集合；初始化电商知识图谱的实体和关系嵌入向量集合；计算电商知识图谱中所有关系的一阶重要性；计算所有正三元组中关系的高阶重要性，计算所有负三元组中关系的预设高阶重要性；计算所有正、负三元组关系的综合重要性；获取所有正、负三元组的重要性；通过最小化损失函数获取实体嵌入向量集合和关系嵌入向量集合本发明考虑了电商知识图谱的实体和关系的重要性，根据相似性分类选取高质量负样本，计算速度快，补全准确度高。
一种基于实体重要性相似性知识图谱方法

[发明专利]一种基于价值传递的专利价值评估方法-CN201310036016.3在审
发明人：彭智勇;冯岭;李展 -专利权人：武汉大学
申请日： 2013-01-30 - 公布日： 2013-05-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于价值传递的专利价值评估方法，包括专利价值的静态评估过程和动态更新过程。在专利价值的评估过程中，首先根据专利之间的相似度构建专利引用网络，并初始化每一个节点的专利价值。然后根据“引用”该专利的节点的价值、“引用”节点所引用的专利数量及专利发表时间，计算“引用”专利对目标专利的价值的贡献度，并通过累加得到目标专利的价值。最后，依次计算每个专利的价值。当一个新的专利到来时，首先计算该专利与已有专利的相似度，建立“引用”关系，然后依次更新专利的价值。本发明依据PageRank算法的重要性传递思想，可以计算出专利数据库中每条专利的价值，具有较高的有效性。
一种基于价值传递专利评估方法

[发明专利]一种基于AHP的业务影响分析方法-CN201910203539.X在审
发明人：关继铮 -专利权人：关继铮
申请日： 2019-03-18 - 公布日： 2019-05-24 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于AHP的业务影响分析方法，包括S1、确定整个分析过程的流程；S2、确定业务系统的灾难恢复的优先级的评价指标；S3、指标重要性判断；S4、业务重要性确定；S5、对于企业的每一个业务系统都有相应的中断影响评价分值，根据业务中断影响评价分值的大小，并考虑业务系统之间的关联关系，就可以得到业务影响分析的最终目标：业务恢复优先级。有益效果：本方案结合成熟的层次分析法AHP建立优先级分析模型，通过定性分析与定量计算相结合的方法使业务影响分析更加科学化和合理化，从而使得所确定的业务恢复目标和业务重要性不会偏离企业需求。
业务影响分析业务系统业务重要性业务恢复定性分析层次分析法优先级分析指标重要性定量计算分析过程关联关系评价指标企业需求业务中断灾难恢复合理化偏离中断成熟

[发明专利]一种基于纺织产品全生命周期的智能管控方法及系统-CN202211023140.1有效
发明人：张士平 -专利权人：南通飞隼信息科技有限公司
申请日： 2022-08-25 - 公布日： 2022-11-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供了一种基于纺织产品全生命周期的智能管控方法及系统，涉及纺织制造技术领域，该方法包括：在纺织纤维投入生产并采集获取标记纤维质量信息；按照多个生产步骤进行纺织产品的生产；获得多个生产步骤的步骤质量信息，以及纺织产品的产品质量信息；进行纺织产品的包装销售，采集获取销量信息和评价信息；构建获得纺织产品信息区块链；基于纺织产品信息区块链，根据产品质量信息、销量信息和质量信息分析标记纤维质量信息、多个生产步骤的重要性，获得重要性分析结果；根据重要性分析结果，对纺织产品的生产进行管控。本发明解决了现有技术中纺织产品生产流程优化管控效果差、成本高的技术问题，达到了提升纺织产品生产管控效果的技术效果。
一种基于纺织产品生命周期智能方法系统

[发明专利]一种整合主观和客观评估的需求优先级排序方法及系统-CN201510716193.5有效
发明人：邵飞;彭蓉;冯在文 -专利权人：武汉大学
申请日： 2015-10-29 - 公布日： 2017-03-15 - 主分类号： G06F9/44 文献下载
摘要：一种整合主观和客观评估的需求优先级排序方法及系统，包括确定需求对与相对优先级的排序，得到已排序需求对；确定针对软件属性的需求重要性排序；进行需求主观重要性评估，利用机器学习得到需求初始优先级；进行需求客观影响力评估，包括根据业务流程图，构造需求依赖关系网络拓扑图，并在依赖关系网络拓扑图基础上计算需求影响力；根据调节因子，整合需求初始优先级和需求影响力，生成需求最终优先级。本发明通过构造软件属性树，简化针对单个软件属性的需求重要性信息收集过程，利用机器学习训练属性权重，为计算需求初始优先级提供支持；同时兼顾到需求之间依赖关系对需求优先级的影响，使评估结果更准确。
一种整合主观客观评估需求优先级排序方法系统

[发明专利]衡量新闻重要性的方法和装置-CN201410539702.7在审
发明人：魏少俊 -专利权人：北京奇虎科技有限公司;奇智软件（北京）有限公司
申请日： 2014-10-13 - 公布日： 2015-02-04 - 主分类号： G06F17/30 文献下载
摘要：本发明提供了一种衡量新闻重要性的方法和装置，该方法包括：确定待衡量新闻的至少一个发布属性，以及每个发布属性在新闻重要性中的权值；获取每个发布属性的属性值，并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理，计算得出的值作为所述待衡量新闻的重要性值；将所述重要性值与预设的衡量规则进行比较，衡量出所述待衡量新闻的重要性。本发明实施例基于待衡量新闻的至少一个发布属性来综合衡量待衡量新闻的重要性，使得衡量结果更加客观、准确、全面。
衡量新闻重要性方法装置

[发明专利]数据包处理方法、装置、通信设备及存储介质-CN202210303268.7在审
发明人：柯小婉 -专利权人：维沃移动通信有限公司
申请日： 2022-03-24 - 公布日： 2023-10-03 - 主分类号： H04W28/02 文献下载
摘要：本发明实施例提供一种数据包处理方法、装置、通信设备及存储介质，包括：第一通信设备执行目标操作，所述目标操作包括以下至少一项：确定目标数据包的重要性等级、数据包对应的数据流描述信息和/或数据包映射的通道；根据目标数据包的重要性等级确定区分重要性等级的缓存状态报告，其中，不同的重要性等级的数据包对应不同重要性等级的缓存状态报告；发送区分重要性等级的缓存状态报告；确定第一目标数据包的范围；停止第一操作和/或执行第二操作
数据包处理方法装置通信设备存储介质

[发明专利]基于机器学习的模型入模特征的筛选方法-CN201910627409.9在审
发明人：程林涛;卫浩;刘嵩 -专利权人：四川新网银行股份有限公司
申请日： 2019-07-12 - 公布日： 2019-10-15 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及基于机器学习的模型入模特征的筛选方法，包括：A.计算特征的重要性指数IV；B.通过对所述的特征进行10折交叉验证，得到一组特征重要性向量IF；C.将所述的重要性指数IV和特征重要性向量IF进行加权得到特征加权重要性FWI列表；D.根据所建立的模型得到一组KS值，在测试集中将该组KS值中的最大KS值对应的特征加权重要性FWI所对应的特征作为最终的入模特征。本发明基于机器学习的模型入模特征的筛选方法，通过特征加权重要性FWI对入模特征进行筛选，只需建立k个模型，并且k＜＜n,使得模型的复杂度得到了极大的降低，提高了模型的表现，也大幅度缩短了模型训练的时间。
入模加权基于机器筛选重要性指数特征重要性重要性向量交叉验证模型训练复杂度组特征向量学习测试表现

[发明专利]一种提高样本标签准确性的方法和装置-CN202010256114.8在审
发明人：刘毅力;王光耀;林明兴 -专利权人：吉林建筑大学
申请日： 2020-04-02 - 公布日： 2020-07-31 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及机器学习图像识别技术领域，具体涉及一种样本标签准确性的方法和装置。一种提高样本标签准确性方法，包括：确定面部表情样本集合中的每个面部表情样本的重要性权重及人工标注标签；按照重要性权重从高到低的顺序对面部表情样本集合进行排序；将排序后的面部表情样本集合分成高重要性权重组和低重要性权重组；在低重要性权重组中，确定出需要调整标签的面部表情样本；将所述需要调整标签的面部表情样本从低重要性权重组加入高重要性权重组并把人工标注标签更改为新的标签。通过本发明可以调整样本的标签，将权重低的人工标签调整为权重高的标签；从而有助于对机器学习模型进行训练而得到更科学的参数，从而提高模型的识别准确度。
一种提高样本标签准确性方法装置

[发明专利]电子邮件管理器-CN200510075820.8无效
发明人： C·R·利特尔二世 -专利权人：微软公司
申请日： 2005-06-01 - 公布日： 2005-12-07 - 主分类号： G06F17/60 文献下载
摘要：一种用于收件箱的电子邮件管理器基于由电子邮件收件人分配的重要性将电子邮件引导到各种类别，并且提供一用户界面来以按重要性区分优先次序的群组形式向收件人呈现电子邮件。在一实现中，重要性基于发送源，并且在一实现中，重要性基于内容。
电子邮件管理器

[发明专利]产品质量的根因分析方法、装置和电子设备-CN202310120611.9在审
发明人：周英敏;石逸轩;戴明洋 -专利权人：北京百度网讯科技有限公司
申请日： 2023-02-02 - 公布日： 2023-05-09 - 主分类号： G06F18/211 文献下载
摘要：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。
产品质量分析方法装置电子设备

[发明专利]一种结构化数据的特征工程方法-CN202211534248.7在审
发明人：何汶静;肖波;祝元仲;赵艳梅;蒋宪;魏佳苡 -专利权人：川北医学院;川北医学院附属医院
申请日： 2022-11-29 - 公布日： 2023-04-07 - 主分类号： G06F18/2113 文献下载
摘要：本发明公开了一种结构化数据的特征工程方法，S1：将所有特征分成若干组；S2：对每组数据进行k折交叉验证建模，对应的训练集和验证集送入模型进行训练，获得一组本折特征重要性得分，k折后获得k组特征重要性得分；S3：将k组重要性得分平均，平均分排序靠前的特征及其重要性得分加入特征重要性列表中；S4：所有特征按列排列，打乱列排列顺序，循环m次；S5：列表中出现的特征的重要性得分相加，按重要性总得分排列取前10％的特征作为筛选后的特征子集。采用了特征编码、数据管道、基于模型的算法组合方案，以及打乱所有特征的排列顺序，循环多次，可以获得信息量更高、鲁棒性更强的特征子集，从而适合小样本量、高维度结构化数据集。
一种结构数据特征工程方法