一种基于交互特征增强的关联性大数据的抽取方法

    公开(公告)号:CN116644747A

    公开(公告)日:2023-08-25

    申请号:CN202310401347.6

    申请日:2023-04-15

    Inventor: 袁冠 邴睿

    Abstract: 本发明提供了一种基于交互特征增强的关联性大数据的抽取方法,包括有以下步骤:S1、构建异质图模型,建立数字化表征;S2、设计表征学习模型,捕捉复杂交互关系,形成表征向量;S3、得到数据节点特征与交互特征,重构数据节点之间的交互关系,捕捉复杂多关系大数据中的关键交互;本发明使用异质图来捕获此类复杂信息,保持了复杂大数据中的异质特性;全面的刻画了复杂多关系大数据中的实体属性与交互特征;利用神经网络模型捕获复杂数据中的关键数据关系;交互特征增强的关联强度计算方法,在重要关联关系的抽取过程中,融合了多类型交互的特征,准确抓取复杂多关系大数据当中的关键关系。

    一种基于强化学习的煤矿大数据分析平台可靠性检测方法

    公开(公告)号:CN116737542A

    公开(公告)日:2023-09-12

    申请号:CN202310482279.0

    申请日:2023-04-29

    Inventor: 袁冠 丁艳茹

    Abstract: 本发明提供了一种基于强化学习的煤矿大数据分析平台可靠性检测方法,包括有以下步骤:S1、定义强化学习任务;S2、度量类的重要性;S3、设计奖励函数;S4、设计值函数;S5、生成类集成测试序列;本发明充分考虑了重要的类错误倾向性大、一旦发生错误对系统的破坏性较大的特性,通过静态分析技术获取类间耦合信息,找出重要类并优先进行测试,提升了生成类集成测试序列的合理性与准确性;充分利用类的重要性信息结合强化学习中的奖励函数指导探索生成最优的类集成测试序列,兼具易用性和实用性,有利于测试开发人员更好的对软件模块进行集成,进一步提高软件测试中集成测试的工作效率。

Patent Agency Ranking