大规模地理要素空间关系高效推理方法、装置及设备

    公开(公告)号:CN119783834A

    公开(公告)日:2025-04-08

    申请号:CN202510299176.X

    申请日:2025-03-13

    Applicant: 武汉大学

    Inventor: 乐鹏 曾奇 李皓

    Abstract: 本发明涉及地理推理技术领域,特别涉及一种大规模地理要素空间关系高效推理方法、装置及设备,其中,方法包括:获取目标区域内地理要素的静态矢量边界和动态变化矢量边界;对静态矢量边界和动态变化矢量边界分别进行同一类网格表达,得到静态空间范围的网格表达集合和动态变化范围的网格表达集合;根据静态空间范围的网格表达集合构建地理知识图谱,根据动态变化范围的网格表达集合更新地理知识图谱;基于更新后的地理知识图谱推理各地理要素与动态变化范围之间的空间关系。由此,解决了现有技术中数据质量不一致、自动化程度低、难以满足实时性需求、扩展性与性能优化挑战,以及复杂知识表示和处理难题等问题。

    一种知识图谱与智能体驱动的时空问答方法及系统

    公开(公告)号:CN119623591A

    公开(公告)日:2025-03-14

    申请号:CN202410292079.3

    申请日:2024-03-14

    Applicant: 武汉大学

    Abstract: 本发明方法提出了一种知识图谱与智能体驱动的时空问答方法及系统。本发明构建历史时空领域样本,并在描述文本中标记对应的答案文本;构建知识抽取模型,利用历史时空领域样本训练知识抽取模型;构建时空领域样本,输入至训练后的知识抽取模型进行知识抽取得到每个时空领域样本对应的答案文本;结合时空领域信息通过知识关系构建时空知识图谱;对用户输入的问题语句抽取并计算每个关键词的词向量,从时空知识图谱检索出多个相似节点;结合用户输入的问题语句的量化评分进行用户输入的问题语句的最终回复判定计算。本发明将智能体与时空问答结合,使时空问答能提供更准确和个性化的服务。

    一种知识图谱多阶推理增强问答方法及计算机可读介质

    公开(公告)号:CN118296115A

    公开(公告)日:2024-07-05

    申请号:CN202410239038.8

    申请日:2024-03-04

    Applicant: 武汉大学

    Inventor: 乐鹏 陈是睿 李皓

    Abstract: 本发明提出了一种知识图谱多阶推理增强问答方法及计算机可读介质。本发明通过大型语言模型进行提取、语义嵌入模型转换,得到用户问题的每个主题实体的语义特征向量;获取大型语言模型的知识图谱,结合知识图谱得到大型语言模型的知识图谱中每个三元组的语义特征向量;通过余弦相似度模型计算以及相似度排序得到,文本生成大模型的知识图谱中排序后多个节点、大型语言模型的知识图谱中排序后多个三元组;进行推理链条的初始化,得到初始的推理链条、推理链条的每个初始实体;构建更新后的推理链条,每个链条的长度增加;使用大型语言模型评估现有推理链条是否有能力回答输入的问题。本发明利用推理链条深入溯源,实现大模型与知识图谱最大化融合。

    一种自然灾害应急路网地图服务方法及系统

    公开(公告)号:CN116539055A

    公开(公告)日:2023-08-04

    申请号:CN202310444764.9

    申请日:2023-04-24

    Applicant: 武汉大学

    Abstract: 本发明公开了一种自然灾害应急路网地图服务方法及系统。方法包括:设计基于动态分段的灾害应急路网组织模型,并基于该模型构建路网数据库;从多源数据中提取灾害信息,存入灾害信息数据库;将提取的灾害信息与构建的路网数据库中的路网数据进行匹配;对完成匹配的受损路段修改道路通行的权重,采用有权最短路径算法给出灾害发生后的应急路径规划方案;对生成的灾害应急路径进行地图可视化。系统包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块。本发明提供的方法和系统,具备高效性、准确性、及时性、多源性等特点,可用于灾害应急路网管理、灾害应急路网地图服务等方面。

    一种区分用户探索性模式和时空重访问模式的POI推荐方法及装置

    公开(公告)号:CN115130018A

    公开(公告)日:2022-09-30

    申请号:CN202210719348.0

    申请日:2022-06-23

    Inventor: 乐鹏 李皓 李尚城

    Abstract: 本发明公开了一种区分用户探索性模式和时空重访问模式的POI推荐方法及装置,其中的方法首先建模了用户在探索性模式下的偏好和用户的时空重访问模式下的偏好,利用时间间隔和空间间隔计算了时空相关性系数,接着分别计算了两种模式下POI候选集中所有POI的评分。然后计算了探索性模式和时空重访问模式的转换概率,最后结合两种模式下POI的评分和两种模式的转换概率计算了最终的POI推荐得分,对最终的POI推荐得分进行排序选择,推荐得分最高的前N个POI。本发明具备高效的POI推荐性能,可服务于网约车、旅行推荐等平台用于提升用户出行体验。

    一种基于多智能体强化学习的订单匹配和车辆重定位方法

    公开(公告)号:CN114970944A

    公开(公告)日:2022-08-30

    申请号:CN202210318631.2

    申请日:2022-03-29

    Applicant: 武汉大学

    Inventor: 乐鹏 徐明月 杨璨

    Abstract: 本发明提出了一种基于多智能体强化学习的订单匹配和车辆重定位方法。本发明通过网约车平台获取多条订单数据和多个网约车司机的历史轨迹点数据;对该数据进行时空划分预处理;根据预处理后的数据构建司机初始分布向量和订单分布变化记录矩阵;构建订单匹配和车辆重定位马尔科夫决策过程;构建订单匹配模型和车辆重定位模型;交替训练订单匹配模型和车辆重定位模型;按照设定次数重复上述步骤,直到模型稳定,得到最终模型。本发明将两个任务建模在同一个马尔科夫决策过程中同时优化两个任务;本发明可以一对一的车辆调度并通过共享权重减少计算量;本发明对城市级别大规模车辆和订单之间的长期时空依赖关系进行建模,缓解网约车供需不平衡。

    基于影像融合框架的高分辨率遥感影像变化检测方法

    公开(公告)号:CN111325771A

    公开(公告)日:2020-06-23

    申请号:CN202010096915.2

    申请日:2020-02-17

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于影像融合框架的高分辨率遥感影像变化检测方法。该方法通过一个预训练的深度特征提取网络提取双时相影像的高维特征,再将提取出的原始影像高维特征放入一个变化检测网络中进行变化检测。本发明提出的用于变化检测的网络框架在变化结果图重建过程中融入了原始影像的多级高维特征,使得产生的变化结果图具有较高的轮廓一致性和内部一致性,通过在变化检测网络中引入多级深度监督,实现比已有方法更高的变化区域精确率和召回率。

Patent Agency Ranking