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
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山西省信息产业技术研究院有限公司陆文瑞获国家专利权

山西省信息产业技术研究院有限公司陆文瑞获国家专利权

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!

龙图腾网获悉山西省信息产业技术研究院有限公司申请的专利一种政务集约平台信息分类的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:CN116204597B

龙图腾网通过国家知识产权局官网在2026-02-27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:202310018076.6,技术领域涉及:G06F16/28;该发明授权一种政务集约平台信息分类的方法是由陆文瑞;王志文;王渊;程平萍;张月平;司童;王威展;宋可;倪凯明;尉建兴设计研发完成,并于2023-01-06向国家知识产权局提交的专利申请。

一种政务集约平台信息分类的方法在说明书摘要公布了:本发明属于信息分类方法技术领域,具体涉及一种政务集约平台信息分类的方法,包括下列步骤:通过爬虫,爬取各政务网站的政务公开信息,并将其保存于集约化政务平台的数据库中;使用政务公开数据训练政务信息识别AI模型;使用政务信息AI模型对政务大数据进行识别,输出政务信息的标签信息;将标签信息存储与政务集约化平台的关系型数据库中,平台根据标签信息,对政务信息进行分类展示、实现数据检索。本发明采用深度神经网络,构建了一个具有强鲁棒性与泛化能力的政务信息识别模型,相对于传统的机器学习模型,本发明在政务信息分类任务中不需要专家对数据特征进行人工特征工程,且具有优秀的识别效果。

本发明授权一种政务集约平台信息分类的方法在权利要求书中公布了:1.一种政务集约平台信息分类的方法,其特征在于:包括下列步骤: S1、通过爬虫,爬取各政务网站的政务公开信息,并将其保存于集约化政务平台的数据库中; S2、使用政务公开数据训练政务信息识别AI模型; S2.1、对数据集进行构建:人工对爬取的政务公开数据进行标注,标注类别n根据网站需求自定义,数据集将用于模型的训练;将每条数据分别基于Q1、Q2、Q3、Q4、......、Qn不同的标签,分别代表不同类型的政务数据;数据集需包含2000条以上的政务数据; S2.2、读取数据;S2.3、对数据进行归一化操作;S2.4、进行标签重构;S2.5、数据集划分; S2.6、构建政务信息识别AI模型;使用多层特征融合CNN与LSTM联合构建,通过CNN网络进行多尺度的特征提取,使用LSTM进行特征的时域分析,最终得到政务类别分析结果; 所述使用多层特征融合CNN与LSTM联合构建的方法为:政务数据输入网络后,进入CNN结构中,首先使用卷积核大小为5,步长为2的卷积层进行特征提取,之后使用ReLU函数进行激活,并进行批量归一化操作;首次特征提取完成后,使用LSTM网络对CNN网络提取到的特征进行时域分析,输出的特征分别输入3种结构的深度神经网络中,第一种为2层结构的CNN+MAXPOOL网络,使用1*1大小的卷积核进行一次卷积操作,之后使用池化核为3的池化层对特征进行池化;第二种为3层结构的CNN网络,第一层为1*1卷积,第二层与第三层是卷积核大小为3的卷积;第三种为3层结构的膨胀卷积网络,第一层为1*1的普通卷积,第二层与第三层是卷积核大小为3,膨胀尺度为2的膨胀卷积,将三种网络提取到的特征使用ADD方式进行特征融合,之后输入一个BI-LSTM网络中,进行政务信息的最终分类,由BI-LSTM网络输入最终的政务信息分类结果,分类结果由softmax输出,取输出矩阵的最大值为识别出的数据标签; S2.7、对政务信息识别AI模型进行网络训练;S2.8、进行模型验证;S2.9、进行模型部署:将训练完成的模型部署于政务集约化平台的AI支撑平台中; S3、使用政务信息AI模型对政务大数据进行识别,输出政务信息的标签信息; S4、将标签信息存储与政务集约化平台的关系型数据库中,平台根据标签信息,对政务信息进行分类展示、实现数据检索。

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山西省信息产业技术研究院有限公司,其通讯地址为:030006 山西省太原市小店区平阳路42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”。

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。