一种电网标准知识抽取方法
    2.
    发明公开

    公开(公告)号:CN115599923A

    公开(公告)日:2023-01-13

    申请号:CN202211299499.1

    申请日:2022-10-22

    Abstract: 本发明提供了一种电网标准知识抽取方法,属于电网数据技术领域,该本发明电网标准知识抽取方法,获取数据更新,引入的各类形态的原始数据,以本体构建系统定义知识生产目标,输出数据抽取模型;根据数据抽取模型对不同的原始数据进行数据抽取处理,得到各类型的电网数据;将各类型的电网数据转换形成知识图谱数据,并建立实体以及实体间关系。通过结构化、非结构化等的数据接入,完成来源库数据到知识图谱的自动化构建,提供结构化数据入图能力。通过集合知识组织、存储、提取、推理方法和工具为一体,节省了专业技术人员大量的时间,为电力调度、设备管理、数据交互、业务查询等知识更迭迅速提供了基础。

    一种基于因子分析与BP神经网络的技能人才评价方法

    公开(公告)号:CN105590175A

    公开(公告)日:2016-05-18

    申请号:CN201610085883.X

    申请日:2016-02-15

    CPC classification number: G06Q10/06398 G06N3/086 G06Q10/06393

    Abstract: 本发明公开了一种基于因子分析与BP神经网络的技能人才评价方法,采集与技能人才评价有关的评价指标数据,构建全量数据集;将全量数据集中的字符型变量变换为数值型变量,然后用Sigmoid函数将数值型变量取值映射到[0,1]区间;将上述评价指标用因子分析法确定参与人才评价建模的评价指标或评价指标组合;用Sigmoid函数处理之后作为BP神经网络的输入向量,BP神经网络的任务是经过训练后,实现对技能人才的评价;其中采用多个BP神经网络分别训练不同类别样本的策略,并采用L-M优化算法代替梯度下降法。本发明节约了人才评价成本,提高了人力资源工作的效率,使得人才评价更具客观性与准确性。

Patent Agency Ranking