一种科技资源汇聚与持续服务方法及装置

    公开(公告)号:CN112163094B

    公开(公告)日:2022-10-14

    申请号:CN202010865075.1

    申请日:2020-08-25

    Abstract: 本发明涉及一种科技资源汇聚与持续服务方法及装置。该方法包括:根据特定领域知识库抽取科技实体,并存储到待更新科技实体库;待更新科技实体库向中心科技领域知识图谱进行数据请求;中心科技领域知识图谱根据数据请求中的各类参数,返回特定科技领域知识图谱;将特定科技领域知识图谱与特定领域知识库进行融合,实现对特定领域知识库的更新。本发明能够有效降低特定学科及领域方向的知识库或知识服务系统的运维及资源采购等成本,提高知识服务效率;可以持续增强中心科技领域知识图谱的质量,在被授权的前提下可以为更多的使用方提供更为精准的数据及知识服务;可以最大限度的对知识库进行推广,提高知识服务在不同行业的覆盖及使用范围。

    一种可利用专家知识的申请书多标签层次分类方法

    公开(公告)号:CN113761197B

    公开(公告)日:2022-07-26

    申请号:CN202110866392.X

    申请日:2021-07-29

    Abstract: 本发明公开了一种可利用专家知识的申请书多标签层次分类方法,其步骤包括:1)对于申请书中的各类别文本数据,分别抽取每一所述文本数据中各类别的文本信息;对每一所述文本数据进行编码后添加对应的类别编码并发送给词等级的编码器,得到表征向量;2)将每一文本数据对应的表征向量输入文档等级的编码器,得到申请书的表征向量;3)利用申请书的表征向量与初始化的预测信息,预测申请书在学科体系的第n层级的标签;4)基于申请书在学科体系的第n层级的预测标签和申请书的表征向量,预测申请书在学科体系的第n+1层级的标签;5)如果当前层级为学科体系的最后层级则完成预测,得到最细粒度标签;否则返回步骤4),进行下一层级预测。

    一种基于链接预测的食源性疾病暴发识别方法和系统

    公开(公告)号:CN114049966B

    公开(公告)日:2022-04-08

    申请号:CN202210029619.X

    申请日:2022-01-12

    Abstract: 本发明涉及一种基于链接预测的食源性疾病暴发识别方法和系统。该方法包括:对食源性疾病暴发事件数据进行数据处理;对数据处理之后的病例数据进行采样,得到正负样本对集合;对正负样本对集合中的各个正负样本对进行特征提取;将特征提取后的正负样本对输入基于神经网络构建的链接预测模型,以学习病例与病例之间的关联关系;根据链接预测模型的输出构建病例关系网络,网络中的节点表示病例实体,边表示病例之间的关联关系,边权值反映病例间关联强度;根据病例关系网络,采用社区发现算法得到食源性疾病暴发事件。本发明将传统聚类问题转化为病例间关联关系预测与图网络中社区发现的问题,从而取得了比传统聚类算法更好的暴发事件识别效果。

    一种可利用专家知识的申请书多标签层次分类方法

    公开(公告)号:CN113761197A

    公开(公告)日:2021-12-07

    申请号:CN202110866392.X

    申请日:2021-07-29

    Abstract: 本发明公开了一种可利用专家知识的申请书多标签层次分类方法,其步骤包括:1)对于申请书中的各类别文本数据,分别抽取每一所述文本数据中各类别的文本信息;对每一所述文本数据进行编码后添加对应的类别编码并发送给词等级的编码器,得到表征向量;2)将每一文本数据对应的表征向量输入文档等级的编码器,得到申请书的表征向量;3)利用申请书的表征向量与初始化的预测信息,预测申请书在学科体系的第n层级的标签;4)基于申请书在学科体系的第n层级的预测标签和申请书的表征向量,预测申请书在学科体系的第n+1层级的标签;5)如果当前层级为学科体系的最后层级则完成预测,得到最细粒度标签;否则返回步骤4),进行下一层级预测。

    基于融合表征学习的学科分类体系对齐方法、系统及介质

    公开(公告)号:CN112949277A

    公开(公告)日:2021-06-11

    申请号:CN202110191712.6

    申请日:2021-02-19

    Abstract: 本发明公开一种基于融合表征学习的学科分类体系对齐方法、系统及介质,本方法从想要对齐的两个学科分类体系中分别抽取类目概念及其对应的层次信息;将抽取的类目概念输入到预训练模型中,得到与类目概念对应的低维表示向量;根据类目概念对应的层次信息,将类目概念的自身表示向量与直接关联的表示向量进行层次拼接,得到类目概念的最终表示向量;对所述两个学科分类体系的类目概念的最终表示向量进行距离计算,找出距离最小的一对作为匹配的概念对,直至找出全部类目概念的匹配的概念对,完成学科分类体系对齐。能够有效的降低人工对齐两个学科体系的时间成本、运维等成本,提高准确率。

    一种基于网络表征和语义表征的同名作者消歧方法

    公开(公告)号:CN111191466A

    公开(公告)日:2020-05-22

    申请号:CN201911352416.9

    申请日:2019-12-25

    Abstract: 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为:1)提取目标论文库中各论文的语义特征和离散特征;2)基于离散特征计算各论文间的相似度,得到论文的关系相似性矩阵;如果一论文与其他论文没有共同作者或机构,则将其加入一离群论文集中;3)基于各论文的所述语义特征计算论文的语义相似度矩阵;将目标论文库中不包含语义特征的论文加入离群论文集中;4)将关系相似性矩阵和语义相似度矩阵加权求和,获得论文相似度矩阵并对其进行聚类;将不属于任何簇的论文加入离群论文集中;5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

    一种基于深层循环神经网络的产品周期需求量预测方法

    公开(公告)号:CN111144923A

    公开(公告)日:2020-05-12

    申请号:CN201911094505.8

    申请日:2019-11-11

    Abstract: 本发明公开了一种基于深层循环神经网络的产品周期需求量预测方法,其步骤包括:1)深层网络训练阶段:11)对目标产品的历史销售数据进行切分,得到统一长度的历史周期数据;12)对于每一历史周期数据i,提取该历史周期数据i的专家特征;该专家特征包括历史周期数据i的时序特征、非线性特征和节日因素特征;13)对于每一历史周期数据i,将该历史周期数据i的专家特征输入到全连接层;将该历史周期数据i输入深层网络进行特征提取;然后将全连接层输出的特征与深度网络提取的特征输入连接层;连接层筛选的特征依次经Dropout层、激活层后输出;2)将最近一历史周期数据输入训练后的深层网络,预测未来一个时间粒度的产品需求量。

    一种基于引文网络社区发现的数据推荐方法

    公开(公告)号:CN110674318A

    公开(公告)日:2020-01-10

    申请号:CN201910748028.6

    申请日:2019-08-14

    Inventor: 李成赞 杜一

    Abstract: 本发明提供一种基于引文网络社区发现的数据推荐方法,包括以下步骤:基于作者之间的合著关系、论文之间的共引和耦合关系,构建引文网络;针对引文网络,利用模块度Louvain算法发现具有相似或相关研究内容的社区网络;基于论文与数据集之间的相似度,建立数据集与社区网络之间的关联;将与数据集建立起关联的社区网络中各论文节点进行叠加去重,再进行数据推荐。

    一种融合图数据库和人工智能算法的数据管理方法及系统

    公开(公告)号:CN109597919A

    公开(公告)日:2019-04-09

    申请号:CN201811212493.X

    申请日:2018-10-18

    Abstract: 本发明公开了一种融合图数据库和人工智能算法的数据管理方法及系统。本方法为:1)查询请求处理模块接收用户发出的指令;所述指令包括Blob对象信息和处理该Blob对象的算法名称;2)查询请求处理模块根据该指令从图数据库中获取该Blob对象,并将该Blob对象和算法名称发送给人工智能模块;3)人工智能模块根据该算法名称调用相关算法对该Blob对象进行处理并将得到的处理结果返回给用户。本发明实现了数据管理工具自身的智能化、功能的丰富化,填补了在非结构化数据管理及相关领域的空白。

Patent Agency Ranking