公开(公告)号：CN114880468A

公开(公告)日：2022-08-09

申请号：CN202210421056.9

申请日：2022-04-21

申请人： 淮阴工学院

发明人： 冯万利 ,  弭云国 ,  孙欣 ,  马志鹏 ,  乔伟锐

IPC分类号： G06F16/35 ,  G06F16/36 ,  G06N5/02 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于BiLSTM与知识图谱的建筑规范审查方法与系统，其中方法包括：1、对标准施工图审查规范条文进行规范预处理和BIO标注，获取标注数据集StandData；2、使用StandData训练基于BERT嵌入BiLSTM‑CRF神经网络模型，得到施工图审查规范实体属性识别模型SubModle；3、对待审查施工图的规范约束条文进行处理后输入SubModle；经viterbi解码并进行实体属性抽取，构成实体属性集EnityData；4、对EnityData进行关系抽取，建立规范约束文本的三元组列表，使用Neo4j建立施工图审查规范知识图谱；5、将待审查BIM施工图文件与施工图审查规范知识图谱进行规范匹配得到审查结果。该审查方法能够实现智能审查，提高了建筑施工图的审查效率。

公开(公告)号：CN114880468B

公开(公告)日：2024-07-16

申请号：CN202210421056.9

申请日：2022-04-21

申请人： 淮阴工学院

发明人： 冯万利 ,  弭云国 ,  孙欣 ,  马志鹏 ,  乔伟锐

IPC分类号： G06F16/35 ,  G06F16/36 ,  G06N5/022 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/0455 ,  G06N3/084

摘要： 本发明公开了一种基于BiLSTM与知识图谱的建筑规范审查方法与系统，其中方法包括：1、对标准施工图审查规范条文进行规范预处理和BIO标注，获取标注数据集StandData；2、使用StandData训练基于BERT嵌入BiLSTM‑CRF神经网络模型，得到施工图审查规范实体属性识别模型SubModle；3、对待审查施工图的规范约束条文进行处理后输入SubModle；经viterbi解码并进行实体属性抽取，构成实体属性集EnityData；4、对EnityData进行关系抽取，建立规范约束文本的三元组列表，使用Neo4j建立施工图审查规范知识图谱；5、将待审查BIM施工图文件与施工图审查规范知识图谱进行规范匹配得到审查结果。该审查方法能够实现智能审查，提高了建筑施工图的审查效率。

公开(公告)号：CN115601189A

公开(公告)日：2023-01-13

申请号：CN202211267830.1

申请日：2022-10-17

申请人： 淮阴工学院(CN)

发明人： 陈伯伦 ,  乔伟锐 ,  姚玉婷 ,  弭云国 ,  许雪 ,  王笑颜

IPC分类号： G06Q50/00 ,  G06N3/00

摘要： 本发明公开了一种基于改进离散混合蛙跳算法的重要节点识别方法，适用于社交网络下影响力最大化研究领域。其具体步骤为：首先对离散混合蛙跳优化算法框架DSFLA中的各项数据利用度随机干扰算法进行初始化工作；然后对初始划分好的模因进行影响力的计算，并依照所得出的计算结果将各模因按影响力大小重新分配至各个模因组中；接着根据改进离散混合蛙跳算法的局部优化过程对每个模因组中的模因进行优化，改进离散混合蛙跳算法增加邻居节点排序机制。最后从优化后的青蛙群中选出最优的模因，其模因中包含的序列即选出的k个种子节点。与现有技术相比，本发明所提出的方法可以更好的识别出社交网络中的重要节点，是一种比较优秀的影响力最大化算法。

公开(公告)号：CN114971006A

公开(公告)日：2022-08-30

申请号：CN202210559826.6

申请日：2022-05-21

申请人： 淮阴工学院

发明人： 陈伯伦 ,  朱鸿飞 ,  袁奔 ,  姜文心 ,  乔伟锐 ,  于永涛

IPC分类号： G06Q10/04 ,  G06Q50/26 ,  G06N3/08 ,  G01N33/00

摘要： 本发明属于大气污染指数分析技术领域，公开了一种基于信息熵和反向传播神经网络的大气污染物指数预测方法，将每一个气象数据和所有的大气污染物建立相关度联系，并以时间梯度计算每一个大气污染物浓度和所有的气象因素的相似度，接着把时间序列相似度看作是该气象数据影响大气污染物浓度的程度大小，计算每一个气象数据的信息熵，最后选择信息熵最大的气象数据与大气污染物使用反向传播神经网络训练模型，并预测未来大气污染物浓度值。与现有技术相比，本发明将物理学中的信息熵运用于大气污染物预测，极大的减少了不同参数对预测结果的影响，降低了预测算法的复杂度，且预测准确度有所提高。

公开(公告)号：CN113688971A

公开(公告)日：2021-11-23

申请号：CN202110902970.0

申请日：2021-08-06

申请人： 淮阴工学院

发明人： 陈伯伦 ,  朱鸿飞 ,  姜文心 ,  乔伟锐 ,  袁奔 ,  戚梓凡 ,  于永涛 ,  赵建洋 ,  谢乾 ,  纪敏

IPC分类号： G06N3/00

摘要： 本发明涉及计算机网络优化技术领域，公开了一种基于群体智能的关键节点集合确定方法，包括步骤1：对目标网络进行预处理转换为矩阵，得到一个目标网络的邻接矩阵；步骤2：用蚁群算法模仿影响力的扩散，选择固定节点进行蚁群算法下的影响力扩散，求得在该网络中蚁群算法最适合的传播参数；步骤3：通过蚁群算法对目标网络上的随机节点进行溯源遍历，求得关键路径；步骤4：对求得的关键路径动态路径规划求出序列相似度得到关键节点。与现有技术相比，本发明将蚂蚁的群体智能与复杂网络相结合，模仿蚂蚁觅食的路径进行影响力扩散，通过蚁群在加权网络中游走的路径来找到关键路径，再结合动态路径规划得到关键节点。