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！

申请/专利权人：西安交通大学

摘要：本发明公开了一种面向智能制造企业的事件‑状态映射实时分析方法及系统，属于信息处理技术领域，首先评估企业内外状态，从网络上获取相关事件，定义事件特征指标并分析，对指标进行归一化处理，补充零事件，计算企业状态差分，使用LSTM模型构建事件‑状态映射关系，预测企业未来的状态变化。本发明深入洞察智能制造企业运营过程中政策、资源、业务、行为等的变化，实现各类事件对企业运营状态影响的实时全局辨析，解决了现有技术中存在的映射关系分析困难、时效性弱等问题。

主权项：1.面向智能制造企业的事件-状态映射实时分析方法，其特征在于，包括以下步骤：分别选取表征企业内部状态的指标c1、c2、…、cm和表征企业外部环境状态的指标cm+1、cm+2、…、cm+n，每隔单位时间T定量评估指标c1、c2、…、cm和指标cm+1、cm+2、…、cm+n，将t时刻企业内部或外部环境在指标ci上的评估结果记为0≤t≤k，1≤i≤m+n，k为评估总次数，得到m+n维列向量设定包含智能制造企业运营关键词的词库，每隔单位时间T，利用网络爬虫技术获取对应时间段内所有影响未来智能制造企业状态的事件，将发生于t-1时刻至t时刻内且事件文本内含有词库中关键词的事件分别记为共有pt个，合称为t时刻的相关事件组，记为et；基于典型事件定义事件的特征指标d1、d2、…、dq；对在t＝0至t＝k时间段内的相关事件组e1、…、ek内的每个事件逐一进行分析，得到各事件对应各特征指标的值，将事件对应于特征指标dj的值记为对于事件1≤j≤q，1≤i≤pt，1≤t≤k，将组成的q维列向量记为对得到的m+n维列向量和q维列向量记中的每个分量进行归一化处理，得到企业状态的差分和列向量记t＝0至t＝k时间段内的相关事件组e1、…、ek中事件个数的最大值为pmax，定义零事件e0为各特征指标均为0的事件，对于事件组et，若其事件个数pi小于pmax，则向该事件组中补充pmax-pi个零事件e0，使该事件组中事件个数达到pmax；求取企业状态的差分得到时间序列基于相关事件组e1、…、ek中事件个数的最大值和最小值，将得到的列向量和时间序列按时间先后划分为训练集和验证集，使用训练集对长短期记忆神经网络进行训练，使用验证集评价长短期记忆神经网络的训练效果；在t＝k时刻后，使用训练后的长短期记忆神经网络实时预测t＝k时刻前发生的事件对未来一段时间内智能制造企业内外状态的影响。

全文数据：

权利要求：

百度查询： 西安交通大学 面向智能制造企业的事件-状态映射实时分析方法及系统