-
公开(公告)号:CN111126025B
公开(公告)日:2024-08-09
申请号:CN201911266206.8
申请日:2019-12-11
申请人: 航天信息股份有限公司
IPC分类号: G06F40/186 , G06F40/126
摘要: 本发明公开了一种电子凭据版式文件模板管理方法及系统,所述方法包括:监控电子凭据服务监管系统的统一模板发布信息,同步更新电子凭据模板;接收用户的操作管理指令;所述操作管理指令包括对一种或多种凭据种类的操作管理以及对每种凭据种类下的一个或多个电子凭据模板的操作管理;根据所述操作管理指令对所述凭据种类和/或电子凭据模板进行对应操作;所述方法及系统有效的节省了各监管部门模板管理及维护成本,提高了工作效率;所述方法及系统在电子凭据模板发布后又实时向电子凭据开具系统进行推送,保证了电子凭据开具系统生成版式文件的实时性、安全性、可靠性,为电子凭据生成服务提供安全有效的支撑。
-
公开(公告)号:CN118449762A
公开(公告)日:2024-08-06
申请号:CN202410655013.6
申请日:2024-05-24
申请人: 淮安市第三人民医院
IPC分类号: H04L9/40 , H04L67/06 , G06F40/126 , G06F40/151
摘要: 本发明公开了一种文件资源交换系统及方法,涉及文件资源安全交换技术领域,本发明通过设置文件获取单元对预交换的文件资源进行获取,转换传输单元对由文件资源进行二进制转换后得来的预交换进制数据中每一个字符设定映射坐标,再将两两相邻字符的映射坐标进行比对确定每一个字符的标志位和特征位,基于每一个字符的标志位和特征位确定最终的预转换属性序列,使整个文件资源转换过程没有其他密钥的参与,生成的预转换属性序列仅依赖于文件内容本身的内在结构,而不是外部生成或提供的密钥,这大大降低了因密钥管理不善而导致的安全风险,同时也简化了整个文件资源转换和交换的过程,适用于个人用户之间进行文件资源交换。
-
公开(公告)号:CN112650861B
公开(公告)日:2024-08-02
申请号:CN202011598147.7
申请日:2020-12-29
申请人: 中山大学
IPC分类号: G06F16/38 , G06F40/126 , G06N3/0464 , G06N3/042 , G06N3/08
摘要: 本发明公开了一种基于任务分层的人格预测方法、系统及装置,该方法包括:基于预设的BERT预训练语言模型对用户帖子进行并行编码,得到特征向量;将用户帖子经过图卷积网络融合,得到图卷积输出向量;预测用户的外部特征信息;分层完成预测任务,得到人格信息;将外部特征向量和人格信息回传至图卷积网络并重新预测,直至达到预设的回传次数,得到人格预测结果。该系统包括:并行编码模块、图卷积网络融合模块、外部数据迁移预训练模块、分层自注意力人格预测模块和消息回传模块。该装置包括存储器以及用于执行上述基于任务分层的人格预测方法的处理器。通过使用本发明,得到更为准确的人格预测结果。本发明可广泛应用于文本处理领域。
-
公开(公告)号:CN111881385B
公开(公告)日:2024-08-02
申请号:CN202010706475.8
申请日:2020-07-21
申请人: 百度在线网络技术(北京)有限公司
IPC分类号: G06F16/955 , G06F40/126 , G06F40/186 , H04L67/55
摘要: 本申请实施例公开了一种推送内容生成方法、装置、设备和可读存储介质,涉及互联网技术,尤其涉及智能推送和用户理解技术领域。具体实现方案为:获取推送模板,所述推送模板包括可替换字段以及所述可替换字段对应的地址;按照所述地址在业务数据中寻址,得到目标业务数据;将所述目标业务数据替换所述可替换字段,生成推送内容。本申请实施例可以提高推送内容生成的通用性、可扩展性和易用性。
-
公开(公告)号:CN118410172A
公开(公告)日:2024-07-30
申请号:CN202310420799.9
申请日:2023-04-19
申请人: 重庆邮电大学
IPC分类号: G06F16/36 , G06F40/126 , G06F40/242 , G06F40/295 , G06F40/30 , G06N3/0499
摘要: 本发明属于自然语言处理的命名实体识别和关系抽取领域,具体涉及一种基于大数据的法律判决文书知识图谱智能构建方法,包括:使用法律判决文书数据构造司法领域知识词典;根据文本数据和关系类型特征进行实体关系抽取,得到判决文书中的实体以及实体间的关系;将抽取的实体关系进行交叉注意力计算,得到实体与关系之间的注意力矩阵;从注意力矩阵中解码出实体关系三元组,得到法律判决文书知识图谱。本发明通过进行实体关系抽取时引入了通用词语信息和司法词典知识,解决了法律判决文书信息抽取困难的问题,实现了司法知识图谱的有效构建。
-
公开(公告)号:CN118230442B
公开(公告)日:2024-07-30
申请号:CN202410641973.7
申请日:2024-05-23
申请人: 天津布尔科技有限公司
IPC分类号: G07C5/00 , G07C5/08 , G06F18/2321 , G06F40/126 , G06F40/151 , G06F18/2433
摘要: 本申请提供了一种用于二轮车的故障诊断方法及系统,属于二轮车故障诊断的领域,用于解决相关技术中二轮车故障诊断及时性较差的问题,在该方法及系统中,根据检测件的件标识信息和关注度数据合理确定每个检测件的监控频次,再根据监控频次对检测件聚类得到件标识名单,针对每一类检测件的基础编解码规则和配置的编码参数确定一个个性化的应用编解码规则,在传输检测数据时利用应用编解码规则进行编解码,按照监控频次对检测件进行监控,如此即可实现二轮车的及时的、有侧重的故障诊断,并且能够满足车主的个性化需求,也能够保障检测数据的私密性。
-
公开(公告)号:CN117454843B
公开(公告)日:2024-07-30
申请号:CN202311516587.7
申请日:2023-11-14
申请人: 生命奇点(北京)科技有限公司 , 奇点数联(北京)科技有限公司
IPC分类号: G06F40/126 , G06F16/36 , G06F16/332 , G06N5/022 , G06N5/04 , G16H10/60 , G16H50/20
摘要: 本发明提供了一种基于电子病历问答模型的数据预处理系统,系统包括样本电子病历信息集、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤:根据样本电子病例信息集,获取候选文本集,根据候选文本集和目标术语知识图谱,获取候选关键词集,根据候选文本集和候选关键词集,获取初始文本集,根据初始文本集,获取目标文本集,根据目标文本集,获取指定文本向量以实现数据预处理,本发明基于文本的类型对文本字符串的数量进行统一,保证了获取到的指定文本向量的全面性,同时,考虑文本中的关键词因素,基于不同因素采用不同手段对文本进行处理,提高了获取到的指定文本向量集的准确度。
-
公开(公告)号:CN118395479A
公开(公告)日:2024-07-26
申请号:CN202410870165.8
申请日:2024-07-01
申请人: 深圳琼景科技有限公司
IPC分类号: G06F21/60 , G06F40/126 , G06F21/62
摘要: 本申请的实施例提供了一种线上商城系统的数据保护方法、装置、电子设备及计算机可读介质。本申请的线上商城系统的数据保护方法包括:获取目标用户在线上商城系统中对应的用户商城数据以及目标用户的用户信息;基于用户信息在预设的字符库匹配出一个目标字符;其中,预设的数据库中预先存储有一个字符库,字符库中包括多个不同的数字、大写英文字母和小写英文字母的字符;将目标字符,发送至数据管理终端;其中,数据管理终端基于目标字符生成一个加密密码;接收数据管理终端返回的加密密码,并基于加密密码对用户商城数据进行加密。本申请实施例的技术方案中,可以避免商铺重要数据的泄露,有效增强了数据的安全性。
-
公开(公告)号:CN118394843A
公开(公告)日:2024-07-26
申请号:CN202410606272.X
申请日:2024-05-16
申请人: 浪潮云信息技术股份公司
IPC分类号: G06F16/27 , G06N3/006 , G06F9/4401 , G06F40/126
摘要: 本发明公开了基于雪花算法的分布式ID生成优化方法、系统、介质及设备,属于分布式系统唯一ID生成技术领域,本发明要解决的技术问题为如何针对雪花算法存在的ID长度限制、机器时钟不同及发生回拨等缺陷进行优化,提升实际生产环境下的使用体验,采用的技术方案为:初始化配置:配置和分配数据中心ID和机器标识ID,保证唯一性和区分不同机器和数据中心;生成ID,具体如下:获取当前时间戳:使用高精度时钟源获取当前时间戳;判断时间回拨:与之前生成的时间戳进行比较:若发生事件回拨,则等待或使用补偿方式处理;生成序列号:在同一毫秒内生成唯一的序列号;组装ID:将数据中心ID、机器标识ID、时间戳和序列号按照顺序组装成64为整数ID。
-
公开(公告)号:CN118378628A
公开(公告)日:2024-07-23
申请号:CN202410295561.2
申请日:2024-03-15
申请人: 江苏路特数字科技有限公司
IPC分类号: G06F40/30 , G06F40/126 , G06F18/25 , G06F18/2431 , G06N3/0442
摘要: 本发明提供融合词性与因果指示词特征的事件因果关系识别方法,属于深度学习及自然语言处理相关领域技术。包括:将因果关系识别任务转化为短文本级别的二分类任务并利用预训练的XLNet模型生成初步的词嵌入向量,在词嵌入向量中加入词性特征;人工构建因果指示词库,利用“0‑1”编码将单词是否为因果指示词转化为二元特征,并将该二元特征加入到融合了词性特征的词嵌入向量中;将融合了词性与因果指示词特征的嵌入向量纳入到双向门控循环神经网络中;然后通过多头注意力机制,增强因果指示词在整个文本中的权重系数,使模型更关注与因果关系相关的语义信息;最终将输出的嵌入向量输入到Softmax分类器中做一个二分类任务,从而实现因果关系的识别。
-
-
-
-
-
-
-
-
-