-
公开(公告)号：CN117875520B
公开(公告)日：2024-05-14
申请号：CN202410273003.6
申请日：2024-03-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于动态图时空演化挖掘的公共安全事件预测方法及系统，方法包括：获得预测事件数据集合，由预测事件数据集合构建全局空间静态图；将全局空间静态图中第1至t‑1个节点特征输入至LSTM模型，通过事件演化获得演化节点特征#imgabs0#；由全局空间静态图获取第1个节点特征至第t‑1个节点特征的事件时序子图；由事件时序子图和演化节点特征#imgabs1#生成时空动态图#imgabs2#；基于注意力机制对所有时空动态图#imgabs3#和全局空间静态图进行时间与空间关系上的图融合后预测特征P；将预测特征P与事件选择库中的事件信息进行拟合获得预测事件，本发明通过分析公共安全事件的演化过程和发展走向，提高了公共安全事件预测准确率。
-
公开(公告)号：CN117786374B
公开(公告)日：2024-05-14
申请号：CN202410221484.6
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。
-
公开(公告)号：CN117633635B
公开(公告)日：2024-04-16
申请号：CN202410091381.2
申请日：2024-01-23
Applicant: 南京信息工程大学
IPC: G06F16/901 , G06F18/241 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种基于时空传播图的动态谣言检测方法，包括以下步骤：构造用户内容传播动态图的序列，按照时刻进行分块，得到邻近图结构集合，做空洞卷积处理，输出各时刻图分块渐进图卷积隐藏表示，压缩为全局时空传播图表示，与情绪和话题特征相融合，获得谣言传播图结构表示，使用图神经网络分类算法进行第一次谣言分类判定，构建三层图卷积生成网络，生成谣言演化图结构，微调修改得到预测图，将用户内容传播图和预测图进行融合，形成谣言历史与演化图结构，复用图卷积分类思想进行二次核验。本发明提供的一种基于时空传播图的动态谣言检测方法，能够考虑用户内容传播图的动态特征和全局时空信息，有效识别社交网络中的谣言。
-
公开(公告)号：CN117350386A
公开(公告)日：2024-01-05
申请号：CN202311640535.0
申请日：2023-12-04
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/0464 , G06N5/046 , G06F18/22 , G06F18/241
Abstract: 本发明公开了一种事件溯因推理方法及系统，本发明将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上，生成事件描述性知识，对外部事件图上前提事件和结果事件依次行多次正向（由因致果）分析和反向（由果溯因）分析，生成新的前提事件和结果事件，根据新旧事件之间的均方误差距离、事件描述性知识和事件上下文表示，采用分类模型，获得最终假设事件，可在获取最终假设事件的过程中体现出事件间的因果关系。
-
公开(公告)号：CN117076608A
公开(公告)日：2023-11-17
申请号：CN202311078433.4
申请日：2023-08-25
Applicant: 南京信息工程大学
IPC: G06F16/33 , G06N5/02 , G06N3/0464 , G06N3/08 , G06F40/211
Abstract: 本发明公开一种基于文本动态跨度的整合外部事件知识的脚本事件预测方法及装置，属于信息检索与数据挖掘领域。本发明首先输入两个相关的脚本文档并且检索出其中的事件；接着，将每个文档中检索出的事件按照事件组成进行重新排序，得到最优事件脚本知识并进行整合。在整合阶段，将整合后的最优事件脚本知识输入进BERT，从而为文本添加标记；接着将相同标记的文本进行枚举连接，构造文本跨度；之后，基于当前构建的跨度得到最佳猜测，生成事件图结构。最后，将事件图输入到缩放神经网络中得到预测得分，选择得分最高的候选事件作为预测事件。本发明提出的基于文本动态跨度的整合外部事件知识的脚本预测学习在《纽约时报》语料库中的预测后续事件的精度较高。
-
Patent Agency Ranking
公开(公告)号：CN117035073A
公开(公告)日：2023-11-10
申请号：CN202311036851.7
申请日：2023-08-16
Applicant: 南京信息工程大学
IPC: G06N5/02 , G01W1/10 , G06F18/213 , G06N3/0442 , G06N3/042 , G06N3/0455 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于分层事件发展模式归纳的未来气象事件预测方法，利用信息抽取工具从气象数据中提取出若干个气象事件，并按时间顺序进行排列；以最早发生的事件作为当前的实例图，并将其他事件作为候选事件集合，选择概率最大的后续事件，并将其添加到当前实例图中。利用DVAE抽取事件骨架图，随后，将骨架图和实例图分别输入到缩放图神经网络中，获得后续事件与当前实例图之间的匹配得分。在完成添加后续节点的实例图后，进行共指合并和实体关系边生成的处理。迭代执行归纳出气象事件发展模式图。本发明可以利用事件发展模式预测气象事件的概率，结合了气象事件发展的全局结构信息，减少了局部结构信息对于后续事件预测的影响。
-
公开(公告)号：CN116502774B
公开(公告)日：2023-09-12
申请号：CN202310755841.2
申请日：2023-06-26
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06F30/27 , G06N3/0499 , G06F123/02
Abstract: 本发明公开了一种基于时间序列分解和勒让德投影的时间序列预测方法，包括：获取目标区域的历史数据，并划分为训练集、验证集和测试集；构建时间序列预测模型，将时间序列分解季节项成分和趋势项成分分别进行预测，并基于可逆实例归一化和勒让德投影，得到输出的未来序列数据；设置时间序列预测模型训练环境，通过训练集对时间序列预测模型进行训练，使用梯度函数更新模型参数，直至时间序列预模型达到收敛；通过验证集对模型进行调优，通过测试集评价模型的性能指标是否达到期望。本发明具有比其他时间序列预测方法更强的预测性能，在预测未来数据时具有更小的误差，能够为各种行业中需要时间序列预测工具的实际应用提供一个强有力的预测工具。
-
公开(公告)号：CN116680548A
公开(公告)日：2023-09-01
申请号：CN202310969129.2
申请日：2023-08-03
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G01W1/10
Abstract: 本发明公开了一种针对多源观测数据的时间序列干旱因果分析方法，首先采集多源数据，包括遥感数据以及气象格点数据，计算出相应的干旱指数SPEI，并统一所有数据的时间尺度和空间尺度；然后对收集到的多源观测数据进行数据预处理，包括数据的补全、平稳性检验以及归一化等；之后采用基于信息理论的特征选择方法，以干旱指数SPEI作为目标进行特征选择，得到它的相关特征集合。最后，将相关特征集合作为条件集送入到条件Granger模型中计算每个变量对干旱指数SPEI的影响程度，得到与干旱发生和严重程度相关的变量，可用于干旱预测任务的特征选择，降低了算法复杂度的同时，加强了特征选择的物理可解释性。
-
公开(公告)号：CN116662683A
公开(公告)日：2023-08-29
申请号：CN202310633649.6
申请日：2023-05-31
Applicant: 南京信息工程大学
IPC: G06F16/9537 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/049 , G06N3/08
Abstract: 本发明提出一种针对特征过少地区冰雹强度的长时间序列预测方法，用于解决传统时间序列预测模型因为输入数据和特征越少，而产生的冗余信息和过度拟合，并且输入数据过长导致训练时间复杂度、空间复杂度以及内存使用量过大的问题，针对informer模型进行改进，提出一种应用于气象领域的长时间序列预测模型。通过利用基于MPD的多粒度注意力机制以及SPH机制，修剪消除头中的冗余信息，并且利用ProbSparse自我注意力机制以及自我蒸馏操作减少编码器中的时间复杂度、空间复杂度以及内存使用量，对预测时因为输入数据和特征越少，而产生的冗余信息和过度拟合进行修正，以提高预测的效率和精确度。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.029 seconds)
