Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京曜志科技有限公司黄书炜获国家专利权

北京曜志科技有限公司黄书炜获国家专利权

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!

龙图腾网获悉北京曜志科技有限公司申请的专利一种基于Agent智能体的国际传播数据流动态管理方法及系统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:CN121009084B

龙图腾网通过国家知识产权局官网在2026-02-06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:202511118006.3,技术领域涉及:G06F16/215;该发明授权一种基于Agent智能体的国际传播数据流动态管理方法及系统是由黄书炜;李鑫;于雷;向守涛;程佳琪设计研发完成,并于2025-08-11向国家知识产权局提交的专利申请。

一种基于Agent智能体的国际传播数据流动态管理方法及系统在说明书摘要公布了:本发明提供了一种基于Agent智能体的国际传播数据流动态管理方法及系统,涉及数据治理与跨境合规技术领域。本发明通过分布式爬虫构建带语义索引的原始数据池,基于多模态感知与联合决策模型生成治理指令,执行数据过滤、脱敏等操作形成治理结果,依据合规本体模型进行通道划分,并通过多目标贝叶斯优化驱动策略持续自适应更新,实现跨平台、多语种数据流的动态治理与优化。

本发明授权一种基于Agent智能体的国际传播数据流动态管理方法及系统在权利要求书中公布了:1.一种基于Agent智能体的国际传播数据流动态管理方法,其特征在于,包括: 由分布式爬虫节点依据可扩展哈希算法动态分配爬取任务以抓取跨平台、多语种数据流,并对每条数据流附加来源标识、时间戳、主题标签与敏感度权重,形成带语义索引的原始数据池; 针对所述原始数据池中各所述主题标签实例化自治智能体;所述自治智能体包含感知模块、决策模块与执行模块;所述感知模块利用混合Transformer-CNN网络对所述原始数据池的多模态内容编码;所述决策模块通过多臂上下文赌博机-策略梯度联合网络并结合国际合规规则库输出治理指令;各所述自治智能体经消息总线交换状态摘要并发布同步指令,借助一致性算法保持全局策略一致; 利用所述执行模块依据所述治理指令对所述原始数据池实施包括过滤、脱敏、限速、重排序、多语同步在内的处理操作,得到治理结果; 将所述治理结果写入治理结果队列,并依据合规本体模型按优先级对所述治理结果队列中的数据流划分为快速通道、审查通道与冷存通道; 在每一治理周期结束后,从所述治理结果队列提取治理结果,按时效性、合规性与传播效果计算综合得分; 基于所述综合得分,采用多目标贝叶斯优化驱动模型无关元学习算法,对所述决策模块的参数进行小步长更新,并将更新后的参数回写至各所述自治智能体,以实现治理策略的自适应迁移与优化; 所述决策模块通过多臂上下文赌博机-策略梯度联合网络并结合国际合规规则库输出治理指令,包括: 接收所述感知模块输出的多模态统一语义向量,并从国际合规规则库抽取与当前传播场景对应的合规约束嵌入向量 将所述多模态统一语义向量与所述合规约束嵌入向量拼接形成上下文向量,作为多臂上下文赌博机的状态输入; 针对动作集合中的每一治理动作,利用多臂上下文赌博机计算探索-利用得分并挑选若干候选动作; 将所述候选动作连同所述上下文向量送入策略梯度网络,依据下式计算合规加权的策略梯度并更新策略参数: 其中,为策略网络参数向量;为学习率;为实时传播收益;为合规惩罚系;为合规违例度;为所选治理动作;为感知状态向量;为合规嵌入向量;为参数化策略概率分布;为梯度算子; 依据更新后的策略分布对候选动作重新评估,选取最优动作作为最终治理指令输出至所述执行模块,同时将本轮状态-动作-收益-惩罚四元组写入经验回放缓冲区; 基于所述综合得分,采用多目标贝叶斯优化驱动模型无关元学习算法,对所述决策模块的参数进行小步长更新,并将更新后的参数回写至各所述自治智能体,以实现治理策略的自适应迁移与优化,包括: 在每一治理周期结束后,收集各自治智能体对应的综合得分及其当前决策参数,构建历史样本集;其中,为第个自治智能体的综合得分,为第个自治智能体在时刻的决策参数向量; 针对所述历史样本集,为最小化目标训练高斯过程代理模型,并基于所述高斯过程代理模型定义多目标期望超体积改进函数; 通过多目标贝叶斯优化求取最优增量,公式为: ; 其中,为最大化所得到的最优参数增量; 采用模型无关元学习更新规则执行小步长迁移,公式为: ; 其中,为由代理模型平均预测方差自适应计算的步长系数;为小步长更新后的决策参数向量; 将更新后的参数回写至对应所述自治智能体的决策模块,以完成策略自适应优化。

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北京曜志科技有限公司,其通讯地址为:100028 北京市朝阳区曙光西里甲1号11层A-1209;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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。