买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学;星环信息科技(上海)股份有限公司申请的专利基于分组掩码自回归模型的查询基数估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116662454B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310401084.9，技术领域涉及：G06F16/28；该发明授权基于分组掩码自回归模型的查询基数估计方法是由荆一楠;乔冀瑜;张寒冰;徐伟;陈振强;何震瀛;王晓阳设计研发完成，并于2023-04-15向国家知识产权局提交的专利申请。

本基于分组掩码自回归模型的查询基数估计方法在说明书摘要公布了：本发明属于数据库查询技术领域，具体为一种基于分组掩码自回归模型的查询基数估计方法。本发明包括列数据分组预处理、分组掩码神经网络基数估计模型训练；列数据分组预处理将单表数据进行分组排序，使模型更好的学习到其中的联合概率分布；分组掩码神经网络基数估计模型通过位置编码以不同次序学习部分列的分布，模型训练分为数据训练、混合掩码训练、直接查询训练三个阶段且混合训练，组合不同的数据集对模型进行训练，降低模型的训练时间；从数据库系统执行日志中记录误差较大的查询信息并加入三阶段训练的数据中，提高模型的训练效率。本发明可以减少传统自回归模型进行基数估计时的查询误差，减少时耗，使得模型可以更快、更稳定用于基数估计。

本发明授权基于分组掩码自回归模型的查询基数估计方法在权利要求书中公布了：1.一种基于分组掩码自回归模型的查询基数估计方法，其特征在于，具体步骤包含：列数据分组预处理、分组掩码神经网络基数估计模型的训练； 步骤一列数据分组预处理； 具体是将单表数据以列为单位，按照信息熵从小到大进行分组；分组后在组内按列间相关性与相对熵即KL散度的加权平均进行组内排序；排序后的数据按照分组附加不同顺序的掩码输入分组掩码神经网络基数估计模型，并进行训练；经过分组预处理的单表数据有利于使用自回归模型进行预测，降低自回归模型的预测误差，且之后的神经网络按分组对数据附加掩码进行训练； 二分组掩码神经网络基数估计模型的训练； 所述分组掩码神经网络基数估计模型采用自回归神经网络模型，以下简称模型，包括使用原始数据与在原始数据上的查询与查询结果，对模型进行混合训练学习，获取原始数据中不同列不同取值的联合概率分布，且使用掩码机制针对步骤一中生成的数据分组与重点查询的概率分布进行优化学习； 模型训练分为数据训练、混合掩码训练、直接查询训练三个阶段；在使用数据进行训练时，首先对数据进行编码，对于值域较小的列采用独热编码，对于值域较长的列使用词向量编码；同时需要在每条数据前附加当前预测位置的编码；其中： 数据训练阶段，将长度为n数据序列扩展为n×n的矩阵数据，对相同的数据矩阵按照分组附加不同的掩码矩阵以进行不同顺序的训练学习，其中一数据中顺序对应一种n×n大小的掩码矩阵，掩码按分组为单位进行施加，掩码矩阵与数据矩阵相乘得到训练数据，将训练数据输入神经网络进行训练； 混合掩码训练阶段，选取测试查询中误差大于设定阈值η1的查询，根据查询所涉及的列条件顺序生成对应掩码矩阵，掩码矩阵与数据矩阵相乘得到训练数据，训练数据输入神经网络进行训练； 直接查询训练阶段，需要选择经过前两步训练后误差大于设定阈值η2的查询，将其加入数据集中，利用重参数技巧，或者拆分为子查询，直接对模型进行训练，这些查询来自预先设置的测试集，或者来自在实际使用中日志记录查询。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学;星环信息科技(上海)股份有限公司，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。