“因果”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2634个，建议您升级VIP下载更多相关专利

[发明专利]一种面向金融事件的混合型因果关系发现方法-CN201911193643.1有效
发明人：林海涛;蔡瑞初 -专利权人：广东工业大学
申请日： 2019-11-28 - 公布日： 2023-06-30 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种面向金融事件的混合型因果关系发现方法，首先对文本事件因果关系进行抽取；然后结合文本事件所对应的关键词在百度指数上找出事件对应时间序列的关注指数的变化趋势，即搜索指数曲线，并运用传递熵进行时序事件因果关系的推断；最后用最大似然估计方法融合因果关系抽取结果和基于搜索指数曲线的时序数据进行因果关系推断所得的结果，生成一种因果关系发现。本发明方法可以对金融事件对所蕴含的因果关系进行快速的甄别与发现。
一种面向金融事件混合因果关系发现方法

[发明专利]告警因果评估方法、故障根因定位方法及电子设备-CN202110619433.5有效
发明人：弄庆鹏;周祥生;李忠良;高洪;屠要峰;何荣荣;盛杰 -专利权人：南京中兴新软件有限责任公司
申请日： 2021-06-03 - 公布日： 2023-09-26 - 主分类号： G06Q10/20 文献下载
摘要：本发明公开了一种告警因果评估方法、故障根因定位方法及电子设备，本发明通过告警因果评估方法，根据网络系统的第一告警信息和拓扑数据建立第一故障告警图，基于因果论推理的方法构建故障告警因果假设，通过对系统故障样本对因果假设进行评估获取故障告警的因果评估值，在故障根因定位方法中，基于因果评估值进行故障根因定位，从而快速实现系统故障根因定位，缩短网络系统故障定位和系统恢复时间，提高网络系统运维效率降低运维资源的消耗，提升产品用户体验。
告警因果评估方法故障定位电子设备

[发明专利]一种面向时序隐变量的因果结构发现方法-CN201810674146.2在审
发明人：陈薇;蔡瑞初;谢峰;郝志峰;温雯 -专利权人：广东工业大学
申请日： 2018-06-27 - 公布日： 2018-12-11 - 主分类号： G06N99/00 文献下载
摘要：本发明涉及一种面向时序隐变量的因果结构发现方法，通过基于变分推断和蒙特卡洛抽样发现因果结构、交叉验证确定因果滞后影响长度两个过程，从而输出观察变量之间的因果网络结构和因果滞后影响长度。本发明考虑了先验知识，融合贝叶斯推断思想，采用变分推断将难以求解的问题进行了转换，化为容易求解的问题，因果网络结构和因果滞后影响长度识别正确率高，能够在含有隐变量的情况下，利用因果关系发现和贝叶斯推断的思想，从超参角度出发，发现观察变量之间的因果结构；同时，将隐变量视为参数的一部分，利用变分推断的方法来近似求解参数的最大后验概率，降低了复杂度，但依然使其有较好的优化效果，能够保持很高的识别率。
因果结构推断贝叶斯推断时序网络结构发现求解滞后最大后验概率长度识别交叉验证求解参数先验知识因果关系复杂度识别率正确率观察近似抽样输出融合转换优化

[发明专利]基于量化最小误差熵准则的格兰杰因果判辨方法-CN201810414584.5在审
发明人：陈霸东;马荣金;郑南宁 -专利权人：西安交通大学
申请日： 2018-05-03 - 公布日： 2018-12-07 - 主分类号： G06F17/18 文献下载
摘要：本发明提供一种基于量化最小误差熵准则的格兰杰因果判辨方法。该方法采用量化最小误差熵准则和贝叶斯信息准则确定回归模型的系数和阶数，通过计算误差熵及系数得到因果判辨指标，按照因果性判断标准确定两个时间序列之间的因果性。与传统的基于最小均方误差准则的格兰杰因果判辨方法相比，该方法对回归模型系数的估计更准确，得到的误差熵更小，能更精确地计算因果判辨指标。由于采用了量化方法，该方法的计算复杂度显著地降低。该方法在计算因果判辨指标时综合了误差熵和系数，使得因果判辨指标的计算更加地准确和鲁棒。因此基于量化最小误差熵准则的格兰杰因果判辨方法在实际应用中更加易于推广和使用。
最小误差量化误差熵最小均方误差准则贝叶斯信息准则回归模型系数计算复杂度回归模型计算误差判断标准时间序列传统的系数和阶数鲁棒应用

[发明专利]一种面向事件序列的因果可视化方法及装置-CN202010829972.7在审
发明人：巫英才;谢潇;何墨琪 -专利权人：之江实验室
申请日： 2020-08-18 - 公布日： 2020-12-11 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种面向事件序列的因果可视化方法及装置，包括：输入因果关系和符合因果关系的事件序列，使用现有的因果网络可视化生成关于事件节点的布局；根据事件序列统计事件信息，并通过图标可视化展现事件信息，生成的事件图标被放置在因果网络可视化中对应的事件布局上其中所述事件信息包括事件的类别、事件发生的时间分布和事件发生的频次；使用频繁模式挖掘算法挖掘出事件序列中频繁出现的事件发生模式，以时间线的形式可视化挖掘得到的事件发生模式；对于每一个事件发生模式，根据因果网络中的事件因果关系生成一个因果事件流，展示事件在时间上的发展顺序以及事件之间的因果关系；以时间线的形式生成所有事件序列的可视化。
一种面向事件序列因果可视化方法装置

[发明专利]一种因果关系确定方法、装置、电子设备及存储介质-CN202111436655.X在审
发明人：陈冠霖;段雨佑;贾晋康;王轶凡;杨帆;吴少兵;李虓;封树超;高玥龙;陈冠丞;刘少江;周春荣;杜运辉;孔清清 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2021-11-29 - 公布日： 2022-03-01 - 主分类号： G06N5/02 文献下载
摘要：本公开提供了一种因果关系确定方法、装置、电子设备、可读存储介质以及计算机程序产品，涉及互联网和智能搜索领域。具体实现方案为：确定多个相关性因素与指定目标之间的第一因果关系，所述相关性因素为与所述指定目标的变化存在相关性的因素；根据所述第一因果关系，在所述相关性因素中确定目标因素，所述目标因素为与所述指定目标的变化存在因果效应的因素；根据所述第一因果关系以及所述目标因素，确定所述目标因素与所述指定目标之间的第二因果关系。该方案能够筛选出相关性因素中包含的目标因素，并进一步确定出目标因素与指定目标之间的第二因果关系，从而使第二因果关系所反映出的因果关系具有更高的精准度。
一种因果关系确定方法装置电子设备存储介质

[发明专利]面向燃机典型设备的因果聚合与分组故障根因追溯方法-CN202310640972.6在审
发明人：沈晓兵;沈建明;车斌;范江云;吴森南;张毅;赵春晖;赵刘嘉毅;宋鹏宇 -专利权人：浙江浙能电力股份有限公司萧山发电厂;浙江大学
申请日： 2023-06-01 - 公布日： 2023-08-29 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种面向燃机典型设备的因果聚合与分组故障根因追溯方法。该方法构建了由稀疏因果推断模块、节点分组模块组成的因果聚合与分组模型，利用时空错位的向量相似度计算获取故障测点在整个因果图中的位置信息，通过切图聚类思想设计分组惩罚项训练模型获取故障测点之间的相对位置信息，从全局和局部两个角度综合衡量故障测点之间的因果相似性。利用分组结果分别稀疏化组内和组间的因果关系，得到更加简化的因果结构。本发明可以构建变量之间组内‑组间两级因果表示，并根据因果图中指示的故障根因变量追溯燃机设备的故障根因。
面向典型设备因果聚合分组故障追溯方法

[发明专利]一种基于图注意力机制的因果常识知识库构建方法-CN202310858866.5在审
发明人：俞奎;李金迪;李玉玲;王雨薇 -专利权人：合肥工业大学
申请日： 2023-07-13 - 公布日： 2023-10-10 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于图注意力机制的因果常识知识库构建方法，包括如下步骤：1)从开放知识库获取因果常识知识三元组作为训练资源；2)采用知识图谱嵌入技术，获取因果常识知识三元组的向量表示；3)结合背景知识图谱，构建基于图注意力机制的因果常识知识库构建模型，选取合适的损失函数来优化模型参数；4)利用因果常识知识库构建模型对缺失三元组的置信度进行打分，将得分最高的三元组作为新学习的因果常识知识加入知识库。本发明基于背景知识图谱，采用图注意力机制构建因果常识知识库构建模型，意图通过少量的训练资源学习到新的因果常识知识，拓展因果常识知识库，使得知识库能够更好地支撑智能问答系统。
一种基于注意力机制因果常识知识库构建方法

[发明专利]事件因果关系识别方法、装置、电子设备与存储介质-CN202110819756.9有效
发明人：陈玉博;刘康;赵军;曹鹏飞 -专利权人：中国科学院自动化研究所
申请日： 2021-07-20 - 公布日： 2023-08-18 - 主分类号： G06F16/33 文献下载
摘要：本发明提供一种事件因果关系识别方法、装置、电子设备与存储介质，所述方法包括：基于待识别的事件对所在的文本，确定所述事件对的上下文表示；将所述事件对的上下文表示，以及与所述事件对相关的描述性知识和关联性知识输入至因果关系识别模型，得到所述因果关系识别模型输出的所述事件对的因果关系；其中，所述因果关系识别模型是基于样本事件对的上下文表示，与所述样本事件对相关的样本描述性知识和样本关联性知识，以及所述样本事件对的因果关系训练得到的本发明提供的方法、装置、电子设备与存储介质，能够充分挖掘事件对之间的因果关系信息，避免显式线索缺乏导致事件因果关系无法识别的问题，极大地提高事件因果关系识别的准确性。
事件因果关系识别方法装置电子设备存储介质

[发明专利]一种基于图神经网络的端到端大脑因果网络构建方法-CN202210040667.9有效
发明人：徐鹏;陈婉钧;易婵琳;姚汝威;李存波;李发礼;尧德中 -专利权人：电子科技大学
申请日： 2022-01-14 - 公布日： 2023-04-28 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于图神经网络的端到端大脑因果网络构建方法，属于脑电信息处理领域。本发明设计了一个邻近k层特征融合的多层感知机用于多维特征提取，并进一步设计图神经网络用于大脑因果关系的直接挖掘。随后利用向量自回归模型得到具有真实脑电信号特性的多元序列及其因果监督性信息，以监督性方法训练神经网络模型。基于训练好的神经网络模型，可实现对脑电数据的因果关系的挖掘和因果网络构建。与传统方法的代表性方法格兰杰因果分析对比研究证明，本发明在低信噪比条件下捕捉因果网络拓扑结构和因果关系强弱作用方面具有显著的优势。本发明为突破传统模型驱动假设约束，以数据驱动的方式直接挖掘深度大脑因果网络机制方面提供了新的视角。
一种基于神经网络端到端大脑因果网络构建方法

[发明专利]一种基于BERT语义增强的因果关系抽取方法-CN202210184092.8在审
发明人：朱广丽;孙争艳;魏苏波;张顺香;许鑫;吴厚月 -专利权人：安徽理工大学
申请日： 2022-02-23 - 公布日： 2022-05-27 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于BERT语义增强的因果关系抽取方法。所述因果关系抽取方法包括：因果关系候选词库、BERT预训练、因果关系抽取。该方法是一种快速提取文本中存在的因果关系的信息抽取技术，核心任务是在LeakGAN对抗神经网络模型的架构下建立基本模型和增强模型进行对抗学习获得高区分度的特征，分析评论文本中存在的因果关系，实现语义增强下的深层次抽取该方法基于对抗神经网络的对抗性学习更有区分度的特征，提高因果关系抽取的准确度，可应用于事件预测、问答系统以及情景生成等方面。
一种基于 bert 语义增强因果关系抽取方法

[发明专利]商品对象信息的分析、因果图生成方法、设备和介质-CN202310122315.2在审
发明人：徐闻筠;吴菲菲;沈泽飞;张珀熙 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-01-19 - 公布日： 2023-06-09 - 主分类号： G06Q30/0601 文献下载
摘要：本申请实施例提供了商品对象信息的分析、因果图生成方法、设备和介质。所述方法包括：获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征；依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；依据所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。基于因果图能够确定商品对象各特征间的因果关系，进而能够准确分析目标商品对象的成长信息，提高分析效率和准确率。
商品对象信息分析因果生成方法设备介质

[发明专利]一种流程挖掘方法及系统-CN202211333392.4在审
发明人：任俊达;周春雷;刘识;皮志贤;赵添翼;吕宏伟;陈振宇 -专利权人：国家电网有限公司大数据中心
申请日： 2022-10-28 - 公布日： 2023-02-03 - 主分类号： G06N3/006 文献下载
摘要：一种流程挖掘方法及系统，包括：获取所需的流程模型的事件日志信息；采用启发式算法计算所述事件日志信息的因果依赖关系启发式规则，获得各流程模型的因果矩阵；采用遗传算法对所有因果矩阵进行寻优操作，获得最佳因果矩阵；将所述最佳因果矩阵转化流程模型作为最佳流程模型。本发明采用启发式算法获得因果矩阵并采用遗传算法确定最佳因果矩阵的技术特征，缩短了搜索时间，增强了局部搜索能力，在流程挖掘问题上具有一定的优势，能够处理流程中不可见任务和非自由选择等特殊结构，提高了流程挖掘的效果
一种流程挖掘方法系统

[发明专利]一种生成因果解释模型的训练方法-CN202310473305.3有效
发明人：邓攀;赵宇;闫洁;刘俊廷;汪慕澜 -专利权人：北京航空航天大学;北京市西城区科学技术和信息化局（北京市西城区大数据管理局）
申请日： 2023-04-28 - 公布日： 2023-07-14 - 主分类号： G06F18/214 文献下载
摘要：本发明属于基于特定计算模型的机器学习技术领域，具体为一种生成因果解释模型的训练方法，包括构建生成因果解释模型，利用神经网络搭建生成因果解释模型的训练框架，并将生成因果解释模型的可识别性条件作为神经网络的约束条件，采集不同时刻各区域的观测数据，对生成因果解释模型进行训练，本发明基于生成因果解释模型GCIM的可识别条件，提出了一种基于变分推断的生成因果解释模型学习框架，进一步了提升模型的可解释性，提升整体的泛化能力
一种生成因果解释模型训练方法

[发明专利]一种因果关系判定方法-CN202111336126.2在审
发明人：安宁;殷越;杨矫云 -专利权人：合肥工业大学
申请日： 2019-01-15 - 公布日： 2022-02-25 - 主分类号： G06N7/00 文献下载
摘要：本发明涉及一种因果关系判定方法，至少包括：利用构建模块构建贝叶斯网络；利用因果库建立历史原始文献库；将专家论证的结果反馈至所述因果库；对所述专家论证的结果进行深度学习以修正所述因果库。
一种因果关系判定方法