申请/专利权人:清华大学
申请日:2023-12-14
公开(公告)日:2024-03-15
公开(公告)号:CN117709535A
主分类号:G06Q10/04
分类号:G06Q10/04;G06N3/044;G06N3/0464;G06N3/045;G06N3/048;G06F18/213;G06N3/084;G06N3/042
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本申请涉及一种产业生态种群热度的预测方法、装置、设备及存储介质,其中,方法包括:基于全连接网络、梅尔频率倒谱系数、Word2Vec模型和激活函数,构建边缘推断网络模型;采集目标产业生态种群服务的历史热度序列信息和文本信息,并根据第一空间相关性数据和第二空间相关性数据构建多模态有向带权图;集成预先训练的图卷积网络、边缘推断网络模型构建扩散卷积循环神经网络模型,并根据扩散卷积循环神经网络模型和多模态有向带权图获取种群服务的时间相关性数据和邻居服务节点空间信息,基于时间相关性数据和邻居服务节点空间信息,预测种群未来热度。由此,解决了现有技术严重依赖于人工创建的图的质量,使得种群预测的计算成本过高,效率较低等问题。
主权项:1.一种产业生态种群热度的预测方法,其特征在于,包括以下步骤:基于预设全连接网络、梅尔频率倒谱系数、预先训练的Word2Vec模型和预设激活函数,构建边缘推断网络模型;采集目标产业生态种群服务的历史热度序列信息和文本信息,且基于所述历史热度序列信息、所述文本信息、所述边缘推断网络模型生成所述历史热度序列信息的第一空间相关性数据和所述文本信息的第二空间相关性数据,并根据所述第一空间相关性数据和所述第二空间相关性数据构建多模态有向带权图;集成预先训练的图卷积网络、所述边缘推断网络模型构建扩散卷积循环神经网络模型,并根据所述扩散卷积循环神经网络模型和所述多模态有向带权图获取所述目标产业生态种群服务的时间相关性数据和邻居服务节点空间信息,基于所述时间相关性数据和所述邻居服务节点空间信息,预测所述目标产业生态种群的未来热度。
全文数据:
权利要求:
百度查询: 清华大学 产业生态种群热度的预测方法、装置、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。