-
公开(公告)号:CN119207609B
公开(公告)日:2025-04-18
申请号:CN202411728782.0
申请日:2024-11-28
Applicant: 之江实验室
IPC: G16C20/10
Abstract: 本说明书公开了一种化学反应式识别方法、装置、存储介质及设备,服务器可以从文档中智能地自动识别化学反应式,进而能够根据化学反应式中化学分子式的物种名称,精准地获取其相应的SMILES结构信息,并补全化学反应式中缺失的SMILES结构信息,以确保最终生成的是以SMILES形式完整表达的化学反应式。此外,服务器在最终输出以SMILES形式完整呈现的化学反应式之前,进行了化学反应式的有效性验证。从而极大地提升了信息识别的精确度和可靠性。
-
公开(公告)号:CN117172316A
公开(公告)日:2023-12-05
申请号:CN202311126132.4
申请日:2023-09-01
Applicant: 之江实验室
IPC: G06N5/022
Abstract: 本说明书公开了一种基于实体对齐所得到的知识图谱进行任务执行的方法,具体包括:获取包含第一和第二知识图谱的知识图谱对,通过筛选第一知识图谱的实体信息,选取出各目标实体,根据各目标实体和各目标实体的邻接实体,以及各目标实体与第二知识图谱中部分实体的对齐概率确定各目标实体的中心度和不确定度,然后根据各目标实体的中心度和不确定度构建各样本实体对,利用各样本实体对对实体对齐模型进行训练,最后,利用训练后的实体对齐模型对各知识图谱进行实体对齐,并利用实体对齐后的知识图谱执行目标任务。本方法大幅降低了训练过程中的样本标注成本,提高了模型训练过程效率的同时,也显著提高了整体任务执行的效率。
-
公开(公告)号:CN119315550A
公开(公告)日:2025-01-14
申请号:CN202411833084.7
申请日:2024-12-13
Applicant: 之江实验室
IPC: H02J3/00 , G06N3/0464 , G06N5/025 , G06N3/049 , G06N3/08
Abstract: 本发明涉及基于因果特征的电力负荷预测方法、装置和介质,方法包括:获取的实际电力负荷影响因素数据,将实际电力负荷影响因素数据输入训练完成的电力负荷预测模型,输出实际的电力负荷预测结果;其中,所述电力负荷预测模型的训练过程为:S1、获取历史电力负荷数据,S2、对所述历史电力负荷数据进行预处理;S3、计算归一化因果熵;S4、构建因果分析神经网络,在因果分析神经网络中将原因序列和对应的因果强度相乘,基于损失函数优化因果分析神经网络,得到电力负荷预测模型。与现有技术相比,本发明具有提高负荷预测结果的可解释性以及准确性等优点。
-
公开(公告)号:CN118332354B
公开(公告)日:2024-08-20
申请号:CN202410748715.9
申请日:2024-06-12
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/25 , G06N3/0464 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种考虑设备结构信息的剩余使用寿命预测方法、装置及介质,其中方法包括:获取设备的模块结构信息,以及各模块中所有传感器采集的数据,并获得各传感器的传感器数据;结合各传感器的传感器数据的相似性,构建传感器图;基于传感器图,结合模块结构信息构建模块图;对传感器图和模块图中各节点的特征向量进行编码;对经过编码后的传感器图和模块图,进行一次或多次卷积融合过程以融合传感器图和模块图,得到最终的传感器图和模块图;将最终的传感器图和模块图输入至寿命预测模块,得到设备的剩余使用寿命;与现有技术相比,本发明具有能够利用设备中的模块结构信息和传感数据之间的隐性空间信息以提高预测准确率等优点。
-
公开(公告)号:CN118053518B
公开(公告)日:2024-07-05
申请号:CN202410451611.1
申请日:2024-04-16
Applicant: 之江实验室
IPC: G16C20/70 , G06N5/025 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明涉及化学工艺时间序列数据因果关系图构建方法、装置和介质,方法包括:将实际的化学工艺时间序列数据集输入因果关系图构建模型,得到实际权重矩阵,转化为因果关系图,因果关系图构建模型的训练过程为:S1、获取训练用的化学工艺时间序列数据集;S2、基于时间卷积网络编码器‑解码器,得到重建特征;S3、将自注意力编码器的输出作为图卷积网络的初始化的邻接矩阵,图卷积网络输出特征矩阵;S4、特征矩阵输入多层感知器网络,输出变量预测值;S5、构建联合损失函数,基于联合损失函数进行迭代训练,得到训练完成的因果关系图构建模型。与现有技术相比,本发明具有提高因果发现的准确性等优点。
-
公开(公告)号:CN117608545B
公开(公告)日:2024-05-10
申请号:CN202410065354.8
申请日:2024-01-17
Applicant: 之江实验室
IPC: G06F8/30 , G06F16/36 , G06V30/41 , G06V30/418 , G06V30/413 , G06V30/162 , G06V30/19 , G06V30/146
Abstract: 本发明涉及一种基于知识图谱的标准作业程序生成方法,包括以下步骤:对标准作业程序进行知识图谱的本体设计;对不同类型的标准作业程序文档进行知识抽取的模板标注;基于OCR技术,对标准作业程序文档中的信息进行自动知识抽取;将抽取出的知识与本体概念对齐;构建出每个概念下的实体表;构建用于描述实体间关系的关系表;基于实体表和关系表,进行实体对齐处理;通过Neo4j构建出用于用户查询的图数据库服务。与现有技术相比,本发明将纸质或电子文档形式的标准作业程序数字化,能够有效实现标准作业程序的内容知识化、应用智能化。
-
公开(公告)号:CN117371399A
公开(公告)日:2024-01-09
申请号:CN202311373604.6
申请日:2023-10-23
Applicant: 之江实验室
IPC: G06F40/117 , G06F40/194 , G06F40/242 , G06F18/24 , G06F16/335 , G06F16/36 , G06F16/903
Abstract: 本发明涉及一种基于大语言模型的智能警情打标方法、装置及介质,其中方法包括以下步骤:获取警情反馈文本;构建层次分类模型,以警情反馈文本作为输入,输出多层次警情标签结果;将多层次警情标签和警情反馈文本与警情常识规则库进行碰撞比对,如果比对成功,则返回所有命中的规则,并构建映射字典获取多层次警情标签结果的关联标签,组成备选标签,将警情反馈文本、命中规则和备选标签输入大语言模型,对模型的输出进行后处理得到警情标签预测结果,存入警情打标结果表;如果比对失败,则将多层次警情标签结果作为最终打标结果,存入警情打标结果表。与现有技术相比,本发明具有预测精度高、打标效率高等优点。
-
公开(公告)号:CN117035695A
公开(公告)日:2023-11-10
申请号:CN202311293167.7
申请日:2023-10-08
Applicant: 之江实验室
IPC: G06Q10/10 , G06V30/10 , G06V30/148
Abstract: 本说明书公开了一种信息预警的方法、装置、可读存储介质以及电子设备,可以通过预设的文本处理模型,来将每个贸易措施文件信息对应的贸易措施关联信息与各行业的行业信息进行匹配,并建立以及保存企业、行业与各贸易措施关联信息之间的对应关系,从而使得当出台新的贸易措施文件信息时,可以通过预先建立并保存的该对应关系,快速的确定出与新出台的贸易措施文件信息相匹配的行业,并向归属于匹配出的行业的企业发送预警信息,从而有效地保证了企业免受不必要的损失。
-
公开(公告)号:CN116307575A
公开(公告)日:2023-06-23
申请号:CN202310253543.3
申请日:2023-03-09
Applicant: 之江实验室
IPC: G06Q10/0631 , G06F18/22 , G06F40/295
Abstract: 本说明书公开了一种任务分配的方法、装置、存储介质及电子设备。所述任务分配的方法包括:接收任务处理请求,根据所述任务处理请求,确定待处理任务的任务信息,识别所述待处理任务中所涉及的实体对象,以及从所述任务信息中提取出目标数据,所述目标数据用于表征所述待处理任务的重要程度,根据所述目标数据以及所述实体对象,确定所述待处理任务的任务类型,基于所述任务类型,根据获取到的各处理人员当前的工作状态信息、所述待处理任务的任务特征和所述各处理人员的历史工作信息中的至少一种,确定负责处理所述待处理任务的处理人员,作为目标人员,并将所述待处理任务分配给所述目标人员所使用的终端设备。
-
公开(公告)号:CN116303625A
公开(公告)日:2023-06-23
申请号:CN202310557261.2
申请日:2023-05-17
IPC: G06F16/2455 , G06F16/22 , G06F16/901
Abstract: 本说明书公开了一种数据查询的方法、装置、存储介质及电子设备,获取原始数据表,根据预设的知识图谱,确定出原始数据表中包含的实体信息并标注,得到标注后数据表;将标注后数据表和知识图谱输入到预设的分类模型中,以使分类模型确定出原始数据表中各列数据对应的实体类型和原始数据表中各列数据对应的实体类型之间的关系,作为实体类型关系。根据实体类型关系以及标注后数据表中包含的实体信息,确定补充信息。通过补充信息,补充原始数据表,得到补充后数据表;接收数据查询请求,从数据查询请求中确定出用于描述用户需要查询的查询参考信息,以及根据查询参考信息和补充后数据表中包含的第一描述信息和/或第二描述信息,执行数据查询。
-
-
-
-
-
-
-
-
-