Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜杭州数询云知科技有限公司戴飞获国家专利权

恭喜杭州数询云知科技有限公司戴飞获国家专利权

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!

龙图腾网恭喜杭州数询云知科技有限公司申请的专利基于异构数据融合与多任务学习的信息处理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:CN119150174B

龙图腾网通过国家知识产权局官网在2025-03-28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:202411640461.5,技术领域涉及:G06F18/2431;该发明授权基于异构数据融合与多任务学习的信息处理方法是由戴飞;许健;戴勇;徐常春;相可宏;赖富林;谭杰;汤初齐;王宇;王志勇;徐宇航;虞瑞雯设计研发完成,并于2024-11-18向国家知识产权局提交的专利申请。

基于异构数据融合与多任务学习的信息处理方法在说明书摘要公布了:本申请提供一种基于异构数据融合与多任务学习的信息处理方法,所述方法包括:将业务对象的当前数据输入目标模型中;由预处理模块确定数值型数据的第一特征向量、类别型数据的第二特征向量以及时间序列数据的第三特征向量;由预处理模块得到第一特征向量对应的第一特征选择掩码、第二特征向量对应的第二特征选择掩码以及第三特征向量对应的第三特征选择掩码;由数据融合模块得到共享特征向量;获取多个任务中各任务的任务参数,并由各任务对应的任务特征提取模块根据各任务的任务参数以及共享特征向量,确定各任务的目标任务特征向量;由各任务特征提取模块对应的预测模块得到业务对象在各任务下的预测结果。使得到预测结果更全面更准确。

本发明授权基于异构数据融合与多任务学习的信息处理方法在权利要求书中公布了:1.一种基于异构数据融合与多任务学习的信息处理方法,其特征在于,所述方法包括:将业务对象的当前数据输入目标模型中,所述当前数据包括:数值型数据、类别型数据和时间序列数据,所述目标模型中包括:预处理模块、数据融合模块、与所述数据融合模块均连接的多个任务特征提取模块以及与各任务特征提取模块一一对应的预测模块,其中,各任务特征提取模块分别用于提取一种任务类型下的特征,所述业务对象为员工,所述数值型数据包括员工的工作年限和年龄,所述类别型数据包括员工的学历和职称,所述时间序列数据包括员工的工作流动性数据和员工的绩效变化趋势数据;由所述预处理模块确定数值型数据的第一特征向量、类别型数据的第二特征向量以及时间序列数据的第三特征向量,第一特征向量、第二特征向量和第三特征向量的维度相同;由所述预处理模块对所述第一特征向量、所述第二特征向量和所述第三特征向量分别进行掩码处理,得到第一特征向量对应的第一特征选择掩码、所述第二特征向量对应的第二特征选择掩码和所述第三特征向量对应的第三特征选择掩码;由所述数据融合模块根据所述第一特征向量、所述第一特征选择掩码、所述第二特征向量、所述第二特征选择掩码、所述第三特征向量和所述第三特征选择掩码进行融合处理,得到共享特征向量;获取多个任务中各任务的任务参数,根据各任务的任务参数对所述共享特征向量进行特征提取,得到各任务对应的任务特征向量,所述任务参数包括:权重矩阵以及偏置项;将各所述任务特征向量进行交叉任务融合处理,得到各任务的目标任务特征向量,所述多个任务包括:学历提升需求、能力等级评估和流失概率预测;由各任务特征提取模块对应的预测模块根据各任务的目标任务特征向量进行预测处理,得到所述业务对象在各任务下的预测结果。

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杭州数询云知科技有限公司,其通讯地址为:310000 浙江省杭州市拱墅区仓基新村6号2楼2329室;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”。

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。