一种基于深度学习的关系自动识别方法及系统

    公开(公告)号:CN118193749A

    公开(公告)日:2024-06-14

    申请号:CN202410285253.1

    申请日:2024-03-13

    Abstract: 本发明涉及一种基于深度学习的关系自动识别方法及系统,包括以下步骤:步骤S1:收集电力系统知识图谱数据,得到待识别电力系统知识图谱数据集;步骤S2:结合GAT和GCN,构建多层次的图神经网络模型;步骤S3:基于历史电力系统知识图谱数据训练多层次的图神经网络模型,得到关系自动识别模型;步骤S4:结合知识图谱中的实体特征和拓扑结构信息,使用训练好的多层次图神经网络模型对待识别电力系统知识图谱数据集进行关系识别,通过节点表示学习实体之间的关系,预测实体之间的关系类型;步骤S5:对于新加入的实体,采用动态图神经网络进行动态关系识别。本发明能够更深入地学习节点间的隐藏层次关系,有助于捕捉更加复杂的关系模式,提高识别的精度和可靠性。

    基于电力企业用户画像的智能推荐方法及系统

    公开(公告)号:CN118170976B

    公开(公告)日:2024-08-27

    申请号:CN202410285266.9

    申请日:2024-03-13

    Abstract: 本发明涉及一种基于电力企业用户画像的智能推荐方法及系统,包括以下步骤:步骤S1:获取企业的基本信息数据、用电行为数据和用电反馈数据,并进行预处理,得到企业电力数据集;步骤S2:基于关联规则挖掘算法,从企业电力数据集中挖掘频繁项集和关联规则,与企业电力数据集进行合并,得到最终的特征数据集;步骤S3:基于最终的特征数据集,采用聚类算法,构建细粒度的电力企业用户画像;步骤S4:构建企业用电成本模型;步骤S5:基于智能推荐算法,结合用户画像和企业用电成本模型,为企业推荐最适合的能源方案;步骤S6:将智能推荐算法集成到企业能源管理系统中。本发明综合考虑企业用户画像和多能源供电系统,为企业推荐最适合的能源方案。

    基于电力企业用户画像的智能推荐方法及系统

    公开(公告)号:CN118170976A

    公开(公告)日:2024-06-11

    申请号:CN202410285266.9

    申请日:2024-03-13

    Abstract: 本发明涉及一种基于电力企业用户画像的智能推荐方法及系统,包括以下步骤:步骤S1:获取企业的基本信息数据、用电行为数据和用电反馈数据,并进行预处理,得到企业电力数据集;步骤S2:基于关联规则挖掘算法,从企业电力数据集中挖掘频繁项集和关联规则,与企业电力数据集进行合并,得到最终的特征数据集;步骤S3:基于最终的特征数据集,采用聚类算法,构建细粒度的电力企业用户画像;步骤S4:构建企业用电成本模型;步骤S5:基于智能推荐算法,结合用户画像和企业用电成本模型,为企业推荐最适合的能源方案;步骤S6:将智能推荐算法集成到企业能源管理系统中。本发明综合考虑企业用户画像和多能源供电系统,为企业推荐最适合的能源方案。

    一种基于数据中台的数据业务图谱系统

    公开(公告)号:CN117725268A

    公开(公告)日:2024-03-19

    申请号:CN202311740041.X

    申请日:2023-12-18

    Abstract: 本发明公开了一种基于数据中台的数据业务图谱系统,包括如下:数据接入模块;从数据中台外部将各类业务数据汇聚到数据中台贴源层的基本服务能力;存储计算模块;是数据中台数据核心处理引擎;数据应用模块;包括数据分析单元和数据服务单元;数据管理模块;包括数据资源管理单元和运营管理单元;利用计算机图形学和图像处理技术,将数据转换成图形或图像进行显示、交互;结合数据业务图谱数据的特性,从三维空间立体呈现、用户交互进行呈现。本发明通过构建数据资源目录,帮助业务、开发人员高效查找、确信数据,主要以工具形式,面向数据领域业务分析及数据开发人员,解决数据资源查找多源,数据溯源复杂,数据确信困难等问题。

Patent Agency Ranking