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 > 中国航空综合技术研究所;浙江大学张驰获国家专利权

中国航空综合技术研究所;浙江大学张驰获国家专利权

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!

龙图腾网获悉中国航空综合技术研究所;浙江大学申请的专利跨企业的产品数据标准化分类方法及其管理软件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:CN119557447B

龙图腾网通过国家知识产权局官网在2025-09-19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:202411601743.4,技术领域涉及:G06F16/353;该发明授权跨企业的产品数据标准化分类方法及其管理软件系统是由张驰;卜佳俊;闫弋;宋恒;杜佳诚;邢磊;蔡晓旭;杨向飞设计研发完成,并于2024-11-11向国家知识产权局提交的专利申请。

跨企业的产品数据标准化分类方法及其管理软件系统在说明书摘要公布了:本发明提供了一种跨企业的产品数据标准化分类方法及其管理软件系统,属于产品数据管理、标准化管理、人工智能和自然语言处理技术领域,分类方法包括:设计产品数据库和前端界面;输入产品数据,对产品数据进行校验检查;确定训练用数据集,构建长短时记忆网络文本分类模型;基于已训练的长短时记忆网络文本分类模型,对产品数据进行分类;管理软件系统包括项目信息模块、合同信息模块、数据填报模块和标准下载模块。本发明考虑到传统分类算法处理的分类文本多为离散且相互间关联性差的问题,借助长短时记忆网络架构,补充了每一层全局记忆结果,结合随机重组扩充了训练用数据集,可以提供泛用性强的产品数据管理服务,保障产品数据质量。

本发明授权跨企业的产品数据标准化分类方法及其管理软件系统在权利要求书中公布了:1.一种跨企业的产品数据标准化分类方法,其特征在于,其包括以下步骤: S1、设计产品数据库和前端界面; S11、设计产品数据库:从标准中提取对产品各属性的填报要求,设计数据库字段属性与字段长度;从标准中提取项目、合同、产品之间以及产品与产品之间的关联关系,设计数据库库表结构; S12、设计前端界面:从标准中提取对产品各属性的填报要求,以输入框提示和帮助框的形式展示标准要求;所述前端界面中设有产品数据必需项; S2、输入产品数据,对产品数据进行校验检查; S21、基于前端界面的填报要求,确定产品数据; S22、针对所确定的产品数据,进行通用校验检查; S23、针对所确定的产品数据,进行数字校验检查; S24、针对所确定的产品数据,进行字符校验检查; S3、确定训练用数据集,构建长短时记忆网络文本分类模型; S31、基于产品名称S1、产品摘要S2、产品关键词S3、产品应用场景及描述S4,确定训练用数据集; S32、扩充训练用数据集:将同一类别下不同产品的产品名称S1、产品摘要S2、产品关键词S3、产品应用场景及描述S4文本序列进行随机重组,生成新的输入序列; S33、基于长短时记忆网络架构,对每一层全局记忆结果进行长期记录和保存,构建长短时记忆网络文本分类模型; S4、基于已训练的长短时记忆网络文本分类模型,对产品数据进行分类; S41、初始化合同信息并进行一次分类操作,获取合同信息处理结果其中,m表示长短时记忆网络文本分类模型的第m层;last表示文本序列的最后一个时间步: S42、基于已训练的参数,执行n次分类操作,计算产品数据归属预设分类的概率,返回产品分类结果; S421、第n次分类操作时,所述长短时记忆网络文本分类模型的输入序列Xn表示为: Xn=S1n+S2n+S3n+S4n,n=1,2,……1 其中,S1n、S2n、S3n和S4n分别表示第n次分类操作时所输入的产品名称、产品摘要、产品关键词、产品应用场景及描述; S422、第n次分类操作时,所述长短时记忆网络文本分类模型的第m层的初始输入表示为: 其中,表示第n-1次分类操作时所述长短时记忆网络文本分类模型的第m层的全局记忆结果;μ表示第一影响因子;λ表示第二影响因子。

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中国航空综合技术研究所;浙江大学,其通讯地址为:100028 北京市朝阳区东直门外京顺路7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。