-
公开(公告)号:CN115238065B
公开(公告)日:2022-12-20
申请号:CN202211154292.5
申请日:2022-09-22
Applicant: 太极计算机股份有限公司
IPC: G06F16/335 , G06F16/35 , G06F16/9535 , G06F16/958 , G06F40/205 , G06F40/253 , G06K9/62 , G06N20/20
Abstract: 本申请提供一种基于联邦学习的公文智能推荐方法,所述方法包括:确定目标公文文本的公文类型以及各公文子数据库对应的公文类型;确定各公文子数据库对应的联邦学习架构;将所述联邦学习架构由联邦学习聚合服务器广播给所述各公文子数据库;进行联邦学习训练后输出所述目标公文文本对应的公文推荐结果。本发明提供的公文智能推荐方法,采用联邦学习的架构训练得到公文推荐模型,克服了各公文子数据库数据不互通导致的训练语料缺失的问题;同时基于各公文子数据库语料数据的特点,使得公文推荐模型对公文文本共通的语法结构特征和各类公文文本各自的特定语法结构特征均兼顾了学习,进而使得公文推荐模型的推荐结果准确率较高。
-
公开(公告)号:CN115243215A
公开(公告)日:2022-10-25
申请号:CN202211154291.0
申请日:2022-09-22
Applicant: 太极计算机股份有限公司
Abstract: 本发明涉及数据处理领域,公开了一种基于物联网的数据融合系统,所述系统包括网关和多个传感器,在每个簇内选择一个传感器作为簇头节点,其余传感器作为簇内节点;簇内节点负责监测收集数据,并将数据发送给簇头节点;运用指数衰减函数度量各个传感器节点测量值的支持度,在时间和空间维度上,实现各个传感器的测量数据的一致性和可靠性融合。
-
公开(公告)号:CN116150405B
公开(公告)日:2023-06-27
申请号:CN202310416643.3
申请日:2023-04-19
Applicant: 中电科大数据研究院有限公司 , 太极计算机股份有限公司
Abstract: 本发明提供一种多场景的异构数据处理方法,包括:从不同场景下的第一知识图谱和第二知识图谱中各个文本实体的邻居子图中提取图结构信息,获取文本实体的结构拓扑特征;从第一知识图谱和第二知识图谱的各三元组中获取连接各个文本实体的实体关系的关系特征;融合第一知识图谱和第二知识图谱中各个文本实体的结构拓扑特征和连接对应文本实体的实体关系的关系特征,得到各个文本实体的第一实体表示;基于第一知识图谱中任一文本实体的第一实体表示与第二知识图谱中任一文本实体的第一实体表示之间的相似度,构建第一实体对齐概率矩阵;基于第一实体对齐概率矩阵,确定第一知识图谱和第二知识图谱的对齐实体对。本发明提升了异构数据融合的准确性。
-
公开(公告)号:CN115243215B
公开(公告)日:2023-02-28
申请号:CN202211154291.0
申请日:2022-09-22
Applicant: 太极计算机股份有限公司
Abstract: 本发明涉及数据处理领域,公开了一种基于物联网的数据融合系统,所述系统包括网关和多个传感器,在每个簇内选择一个传感器作为簇头节点,其余传感器作为簇内节点;簇内节点负责监测收集数据,并将数据发送给簇头节点;运用指数衰减函数度量各个传感器节点测量值的支持度,在时间和空间维度上,实现各个传感器的测量数据的一致性和可靠性融合。
-
公开(公告)号:CN116150405A
公开(公告)日:2023-05-23
申请号:CN202310416643.3
申请日:2023-04-19
Applicant: 中电科大数据研究院有限公司 , 太极计算机股份有限公司
Abstract: 本发明提供一种多场景的异构数据处理方法,包括:从不同场景下的第一知识图谱和第二知识图谱中各个文本实体的邻居子图中提取图结构信息,获取文本实体的结构拓扑特征;从第一知识图谱和第二知识图谱的各三元组中获取连接各个文本实体的实体关系的关系特征;融合第一知识图谱和第二知识图谱中各个文本实体的结构拓扑特征和连接对应文本实体的实体关系的关系特征,得到各个文本实体的第一实体表示;基于第一知识图谱中任一文本实体的第一实体表示与第二知识图谱中任一文本实体的第一实体表示之间的相似度,构建第一实体对齐概率矩阵;基于第一实体对齐概率矩阵,确定第一知识图谱和第二知识图谱的对齐实体对。本发明提升了异构数据融合的准确性。
-
公开(公告)号:CN115238065A
公开(公告)日:2022-10-25
申请号:CN202211154292.5
申请日:2022-09-22
Applicant: 太极计算机股份有限公司
IPC: G06F16/335 , G06F16/35 , G06F16/9535 , G06F16/958 , G06F40/205 , G06F40/253 , G06K9/62 , G06N20/20
Abstract: 本申请提供一种基于联邦学习的公文智能推荐方法,所述方法包括:确定目标公文文本的公文类型以及各公文子数据库对应的公文类型;确定各公文子数据库对应的联邦学习架构;将所述联邦学习架构由联邦学习聚合服务器广播给所述各公文子数据库;进行联邦学习训练后输出所述目标公文文本对应的公文推荐结果。本发明提供的公文智能推荐方法,采用联邦学习的架构训练得到公文推荐模型,克服了各公文子数据库数据不互通导致的训练语料缺失的问题;同时基于各公文子数据库语料数据的特点,使得公文推荐模型对公文文本共通的语法结构特征和各类公文文本各自的特定语法结构特征均兼顾了学习,进而使得公文推荐模型的推荐结果准确率较高。
-
-
-
-
-