长序列数据预测方法、装置、计算机设备、介质和产品

    公开(公告)号:CN117932280A

    公开(公告)日:2024-04-26

    申请号:CN202410339838.7

    申请日:2024-03-25

    Abstract: 本申请涉及一种长序列数据预测方法、装置、计算机设备、介质和产品。方法包括:从待预测的第一天文数据中提取第二天文数据和第三天文数据,第二天文数据包括有序变化的文本数据和时间列,第三天文数据包括无序变化的文本数据和时间列;对第二天文数据进行缩放和/或平移直至其均值和/或标准差分布达到预设状态;根据第二天文数据对预设的线性函数进行前向传播和反向传播,并根据线性函数输出第二天文数据在未来时间的数据,线性函数用于表征第二天文数据中前后相邻两个时间列的文本数据之间的映射关系;根据第二天文数据在未来时间的数据与第三天文数据,得到第一天文数据在未来时间列的数据。采用本方法能够兼顾长时间序列预测的效率和精度。

    理赔欺诈识别方法、装置、计算机设备和存储介质

    公开(公告)号:CN117078441B

    公开(公告)日:2024-02-06

    申请号:CN202311332282.0

    申请日:2023-10-16

    Abstract: 本申请涉及一种理赔欺诈识别方法、装置、计算机设备和存储介质,通过将历史理赔事件数据构建为用于表征历史理赔事件中各个事件元素与每个历史理赔事件关联关系的历史关联关系邻接矩阵组,根据历史关联关系邻接矩阵组,构建用于表征重要程度最高的事件元素下每个历史理赔事件关联关系的历史重要关联关系邻接矩阵,构建完成后,提取历史重要关联关系邻接矩阵组的历史特征向量,结合历史重要关联关系邻接矩阵,构建理赔欺诈识别模型,使用识别模型对待预测理赔事件进行风险判断,由于将事件的关联关系根据重要程度进行划分,因此突出了重要关联关系,解决了相关技术中理赔欺诈事件识别准确度较低的问题,提高了理赔欺诈事件(56)对比文件Shuhan Yuan等.Spectrum-based DeepNeural Networks for Fraud Detection.CIKM'17: PROCEEDINGS OF THE 2017 ACMCONFERENCE ON INFORMATION AND KNOWLEDGEMANAGEMENT.2017,2419-2422.Nannan Ning等.Comparison of SiliconLattice-Filter-Based O-Band 1times8 (De)Multiplexers With Flat and Gaussian-LikePassbands.IEEE.2022,第14卷(第4期),6615705.卢冰洁等.机器学习模型在车险欺诈检测的研究进展.计算机工程与应用.2022,第58卷(第5期),34-49.吕文韬.基于图采样与异质图神经网络的欺诈检测研究.中国优秀硕士学位论文全文数据库基础科学辑.2023,(第10期),A002-25.周晓楠;黄磊;王飞跃;储明;黄涛.图数据库在识别重大疾病保险团伙式欺诈中的应用研究.保险研究.2020,(第09期),全文.闫春;李亚琪;孙海棠.基于蚁群算法优化随机森林模型的汽车保险欺诈识别研究.保险研究.2017,(第06期),全文.

    理赔欺诈识别方法、装置、计算机设备和存储介质

    公开(公告)号:CN117078441A

    公开(公告)日:2023-11-17

    申请号:CN202311332282.0

    申请日:2023-10-16

    Abstract: 本申请涉及一种理赔欺诈识别方法、装置、计算机设备和存储介质,通过将历史理赔事件数据构建为用于表征历史理赔事件中各个事件元素与每个历史理赔事件关联关系的历史关联关系邻接矩阵组,根据历史关联关系邻接矩阵组,构建用于表征重要程度最高的事件元素下每个历史理赔事件关联关系的历史重要关联关系邻接矩阵,构建完成后,提取历史重要关联关系邻接矩阵组的历史特征向量,结合历史重要关联关系邻接矩阵,构建理赔欺诈识别模型,使用识别模型对待预测理赔事件进行风险判断,由于将事件的关联关系根据重要程度进行划分,因此突出了重要关联关系,解决了相关技术中理赔欺诈事件识别准确度较低的问题,提高了理赔欺诈事件的识别效率。

    理赔事件检测方法、计算机设备和存储介质

    公开(公告)号:CN116150341B

    公开(公告)日:2023-07-18

    申请号:CN202310440660.0

    申请日:2023-04-23

    Abstract: 本申请涉及一种理赔事件检测方法、计算机设备和存储介质,在图网络发生变更的情况下,更新第一节点序列,得到当前时间戳的第二节点序列,其中,图网络基于理赔事件的数据构建得到,第一节点序列通过关联图网络中的多个节点得到;在词向量模型中,根据第二节点序列和涉变更节点的权重参数,对词向量模型进行反向迭代训练,并根据训练后的词向量模型得到当前时间戳的节点向量,其中,涉变更节点包括图网络中节点和/或节点之间的边发生变化的节点;根据当前时间戳的节点向量,确定理赔事件是否属于目标类型事件,如此设置,只需要迭代更新部分节点的权重参数,减少了计算量,从而能够准确且高效地检测理赔事件。

    天文知识图谱构建方法、资源查找方法、设备和介质

    公开(公告)号:CN116932780B

    公开(公告)日:2024-01-09

    申请号:CN202311179452.6

    申请日:2023-09-13

    Abstract: 本申请涉及一种天文知识图谱构建方法、资源查找方法、设备和介质,获取资源对应的天体信息,其中,天体信息包括天体的形态特征和天体的坐标;基于形态特征对天体分类,得到多个天体类别;根据天体的坐标计算同一天体类别下每两个天体之间的距离,将每个天体作为节点,将属于同一个天体类别的每两个天体进行关联,构建得到多个知识图谱;获取各天体的光谱特征,在任意第一知识图谱和第二知识图谱之间,将具备相似光谱特征的天体进行关联。通过本申请天文知识图谱构建方法,提高了构建的知识图谱的准确性,有利于相关人员基于知识图谱搜索系统、完善的天体信息。(56)对比文件陈淑鑫;孙伟民;王丽丽.网格聚类分析天文光谱数据.计算机科学.2017,(第S2期),463-466.

    基于贪心搜索的最大归集子图的检测方法和装置

    公开(公告)号:CN117235316A

    公开(公告)日:2023-12-15

    申请号:CN202311187793.8

    申请日:2023-09-14

    Abstract: 本申请涉及一种基于贪心搜索的最大归集子图的检测方法和装置。该方法包括:获取待检测有向图,将待检测有向图拆分出至少一个弱连通图;计算弱连通图中每个节点的节点入出差;基于节点入出差,在每一个弱连通图中检测具有大归集度的子图,得到各个弱连通图对应的初始最大归集子图;其中,归集度基于子图中的节点入出差的平均值而得到;基于初始最大归集子图,得到待检测有向图的目标最大归集子图。采用本方法能够在大规模有向图上拆分出多个弱连通图,分别从每个弱连通图中搜索归集性结构的子图,实现了在大规模有向图上对归集性结构的子图的准确高效的挖掘,解决了现有的子图搜索方法复杂度较高,计算量较大的问题。

    一种基于图节点嵌入的事件识别方法、装置和设备

    公开(公告)号:CN116304885B

    公开(公告)日:2023-08-22

    申请号:CN202310529662.7

    申请日:2023-05-11

    Abstract: 本申请涉及一种基于图节点嵌入的事件识别方法、装置和设备,其中,基于图节点嵌入的事件识别方法包括:基于至少两个关联关系图,分别构建对应的异构关联关系邻接矩阵;将各所述异构关联关系邻接矩阵输入至图节点嵌入模型,获得对应的图节点特征向量;基于各所述历史事件的图节点特征向量以及第一特征对模型进行训练,获得事件识别模型;基于所述事件识别模型对待识别事件进行识别,获得待识别事件的识别结果,在模型训练的过程中增加了各历史事件的图节点特征向量,解决了相关技术中存在的事件识别不准确的问题,提高了事件识别的准确度。

    知识图谱构建方法、资源查找方法、计算机设备和介质

    公开(公告)号:CN116910277B

    公开(公告)日:2024-02-27

    申请号:CN202311179454.5

    申请日:2023-09-13

    Abstract: 本申请涉及一种知识图谱构建方法、资源查找方法、计算机设备和介质,通过获取资源对应的数据集,其中,资源包括天文学领域数据,数据集包括多个关键词以及每个关键词的属性,关键词的属性包括关键词在多个资源中的第一权重和关键词对应的资源标识;根据第一权重确定主关键词和副关键词,并将属于同一研究方向的副关键词与主关键词关联,其中,主关键词的第一权重大于副关键词的第一权重;分别在主关键词和副关键词之间构建知识图谱,其中,分别将主关键词和副关键词作为节点,将对应的资源标识和第一权重作为节点属性,将语义关系作为边,构建相应知识图谱,降低了知识图谱的规模,实现了关键词的交叉检索。

Patent Agency Ranking