CN115358892A - 医康养大数据知识图谱智能数字孪生元宇宙方法和平台 - Google Patents
医康养大数据知识图谱智能数字孪生元宇宙方法和平台 Download PDFInfo
- Publication number
- CN115358892A CN115358892A CN202210887782.XA CN202210887782A CN115358892A CN 115358892 A CN115358892 A CN 115358892A CN 202210887782 A CN202210887782 A CN 202210887782A CN 115358892 A CN115358892 A CN 115358892A
- Authority
- CN
- China
- Prior art keywords
- entity
- service
- digital twin
- demand
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012423 maintenance Methods 0.000 title claims abstract description 31
- 230000007246 mechanism Effects 0.000 claims abstract description 92
- 238000012986 modification Methods 0.000 claims description 100
- 230000004048 modification Effects 0.000 claims description 100
- 230000008520 organization Effects 0.000 claims description 59
- 238000013473 artificial intelligence Methods 0.000 claims description 39
- 238000013136 deep learning model Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
医康养大数据知识图谱智能数字孪生元宇宙方法和平台,包括:交易需求与服务匹配步骤;交易服务实体定制步骤;医康养服务知识图谱构建步骤;医康养现代服务元宇宙构建步骤。上述方法、系统和机器人,通过知识图谱匹配出与需求最为匹配的服务,而且能够将多个机构的服务进行组合和修改定制,从而使得服务能够最大程度地服务于用户的需求,同时通过知识图谱和元宇宙使得医康养现代服务更为高效。
Description
技术领域
本发明涉及人工智能技术领域,特别是涉及一种医康养大数据知识图谱智能数字孪生元宇宙方法和平台。
背景技术
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有的医康养平台中大数据系统、知识图谱系统、人工智能系统、数字孪生系统、元宇宙系统相互之间割裂,从而导致系统之间形成了信息孤岛,影响医康养服务的效果和效率。
因此,现有技术还有待于改进和发展。
发明内容
基于此,有必要针对现有技术的缺陷或不足,提供医康养大数据知识图谱智能数字孪生元宇宙方法和平台,以解决现有系统之间相互隔离、各自为政,以提高医康养服务的整体效果和效率。
第一方面,本发明实施例提供一种人工智能方法,所述方法包括:
交易需求与服务匹配步骤:获取用户的交易需求,作为用户的交易需求实体,根据用户的需求在医康养服务知识图谱中匹配出与所述交易需求最为匹配的所述用户的多个需求实体,将所述多个需求实体进行多次组合后再与所述交易需求进行匹配,得到最为匹配的多个组合后的需求实体,从所述多个需求实体和所述多个组合后的需求实体中选取匹配度最大的需求实体;若所述匹配度最大的需求实体为组合后的需求实体,则将组合后的需求实体中每个需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的服务实体;若所述匹配度最大的需求实体为未组合的需求实体,则将所述未组合的需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的交易服务实体;所述用户的交易需求对应的交易服务实体为一个或多个;从在医康养服务知识图谱中获取与所述用户的交易需求对应的服务实体对应的服务机构,将所述用户的交易需求对应的交易服务实体及其对应的服务机构发送给用户;
交易服务实体定制步骤:接受用户对交易服务实体的修改反馈,若所述修改反馈为空,则将用户的交易需求实体,所述用户的交易服务实体新增进医康养服务知识图谱,并通知所述对应的服务机构为所述用户提供所述对应的交易服务;若所述修改反馈不为空,则通知所述对应的服务机构根据用户的修改反馈对交易服务实体进行修改,并修改后的交易服务实体及其对应的服务机构发送给用户,重新执行此步骤。
优选地,所述方法包括:
数字孪生模型构建步骤:构建与多个机构实体、多个用户实体、多个服务实体、多个需求实体、通用需求实体、通用服务实体、通用用户实体、通用机构实体以及这些实体之间的关系对应的多个机构实体数字孪生模型、多个用户实体数字孪生模型、多个服务实体数字孪生模型、多个需求实体数字孪生模型、通用需求实体数字孪生模型、通用服务实体数字孪生模型以及这些实体数字孪生模型之间的关系;可以基于通用用户实体数字孪生模型构建用户实体数字孪生模型;基于通用机构实体数字孪生模型构建机构实体数字孪生模型;基于通用需求实体数字孪生模型构建需求实体数字孪生模型;基于通用服务实体数字孪生模型构建服务实体数字孪生模型;
数字孪生模型定制步骤:将通用用户实体数字孪生模型和通用需求实体数字孪生模型发送给所述用户,作为所述用户的用户实体数字孪生模型和需求实体数字孪生模型;接受所述用户对用户实体数字孪生模型和需求实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对用户实体数字孪生模型和需求实体数字孪生模型的修改,将修改后的用户实体数字孪生模型和需求实体数字孪生模型发送给所述用户,重复此步骤,直至修改意向为空;将通用机构实体数字孪生模型和通用服务实体数字孪生模型发送给所述机构,作为所述机构的机构实体数字孪生模型和服务实体数字孪生模型;接受所述机构对机构实体数字孪生模型和服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对机构实体数字孪生模型和服务实体数字孪生模型的修改,将修改后的机构实体数字孪生模型和服务实体数字孪生模型发送给所述机构,重复此步骤,直至修改意向为空。
优选地,所述方法还包括:
交易服务实体数字孪生模型定制步骤:将机构的服务实体数字孪生模型发送给所述机构,作为所述机构的交易服务实体数字孪生模型;接受所述机构对交易服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对交易服务实体数字孪生模型的修改,将修改后的交易服务实体数字孪生模型发送给所述机构,重复此步骤,直至修改意向为空;
交易服务实体数字孪生模型更新步骤:获取交易服务实体的实时服务数据,将交易服务实体对应的用户实体、机构实体、最近的时间步长内服务数据和最新的交易服务实体数字孪生模型作为孪生更新深度学习模型的输入,通过计算得到的输出作为最新的交易服务实体数字孪生模型,按照一定的时间步长重复此步骤;
孪生更新深度学习模型的构建步骤:获取交易服务实体对应的用户实体、机构实体、时间步长内服务数据以及该时间步长开始时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的输入,该时间步长结束时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的预期输出,对孪生更新深度学习模型进行训练和测试。
优选地,所述方法包括:
医康养服务知识图谱构建步骤:获取医康养现代服务业的医康养机构的数据、医康养用户的数据、医康养交易服务数据,从医康养机构的数据中获取机构实体、服务实体、机构与服务的供给关系,从医康养用户的数据中获取用户实体、需求实体、用户与需求的需求关系,通过服务实体与需求实体的匹配,形成所述服务实体与所述需求实体之间的匹配关系;从医康养交易服务数据中获取提供服务的机构实体、接受服务的用户实体、所述机构实体和用户实体之间的供需关系、所发生的交易服务中的交易服务实体、所述机构实体与交易服务实体之间的供给关系,所述用户实体与交易需求实体之间的需求关系、所述交易服务实体与所述交易需求实体之间的匹配关系、所述交易服务实体与所述服务实体之间的继承关系、所述交易需求实体与所述需求实体之间的继承关系;存在多个机构实体、多个用户实体、多个服务实体、多个需求实体、多个交易服务实体、多个交易需求实体、通用用户实体、通用机构实体、通用需求实体、通用服务实体以及这些实体之间的关系,形成医康养服务知识图谱;
医康养现代服务元宇宙构建步骤:将用户实体数字孪生模型、机构实体数字孪生模型、服务实体数字孪生模型、需求实体数字孪生模型、交易服务实体数字孪生模型、需求服务实体数字孪生模型加入医康养现代服务元宇宙中。
第二方面,本发明实施例提供一种人工智能系统,所述系统包括:
交易需求与服务匹配模块:获取用户的交易需求,作为用户的交易需求实体,根据用户的需求在医康养服务知识图谱中匹配出与所述交易需求最为匹配的所述用户的多个需求实体,将所述多个需求实体进行多次组合后再与所述交易需求进行匹配,得到最为匹配的多个组合后的需求实体,从所述多个需求实体和所述多个组合后的需求实体中选取匹配度最大的需求实体;若所述匹配度最大的需求实体为组合后的需求实体,则将组合后的需求实体中每个需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的服务实体;若所述匹配度最大的需求实体为未组合的需求实体,则将所述未组合的需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的交易服务实体;所述用户的交易需求对应的交易服务实体为一个或多个;从在医康养服务知识图谱中获取与所述用户的交易需求对应的服务实体对应的服务机构,将所述用户的交易需求对应的交易服务实体及其对应的服务机构发送给用户;
交易服务实体定制模块:接受用户对交易服务实体的修改反馈,若所述修改反馈为空,则将用户的交易需求实体,所述用户的交易服务实体新增进医康养服务知识图谱,并通知所述对应的服务机构为所述用户提供所述对应的交易服务;若所述修改反馈不为空,则通知所述对应的服务机构根据用户的修改反馈对交易服务实体进行修改,并修改后的交易服务实体及其对应的服务机构发送给用户,重新执行此模块。
优选地,所述系统包括:
数字孪生模型构建模块:构建与多个机构实体、多个用户实体、多个服务实体、多个需求实体、通用需求实体、通用服务实体、通用用户实体、通用机构实体以及这些实体之间的关系对应的多个机构实体数字孪生模型、多个用户实体数字孪生模型、多个服务实体数字孪生模型、多个需求实体数字孪生模型、通用需求实体数字孪生模型、通用服务实体数字孪生模型以及这些实体数字孪生模型之间的关系;可以基于通用用户实体数字孪生模型构建用户实体数字孪生模型;基于通用机构实体数字孪生模型构建机构实体数字孪生模型;基于通用需求实体数字孪生模型构建需求实体数字孪生模型;基于通用服务实体数字孪生模型构建服务实体数字孪生模型;
数字孪生模型定制模块:将通用用户实体数字孪生模型和通用需求实体数字孪生模型发送给所述用户,作为所述用户的用户实体数字孪生模型和需求实体数字孪生模型;接受所述用户对用户实体数字孪生模型和需求实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对用户实体数字孪生模型和需求实体数字孪生模型的修改,将修改后的用户实体数字孪生模型和需求实体数字孪生模型发送给所述用户,重复此模块,直至修改意向为空;将通用机构实体数字孪生模型和通用服务实体数字孪生模型发送给所述机构,作为所述机构的机构实体数字孪生模型和服务实体数字孪生模型;接受所述机构对机构实体数字孪生模型和服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对机构实体数字孪生模型和服务实体数字孪生模型的修改,将修改后的机构实体数字孪生模型和服务实体数字孪生模型发送给所述机构,重复此模块,直至修改意向为空。
优选地,所述系统还包括:
交易服务实体数字孪生模型定制模块:将机构的服务实体数字孪生模型发送给所述机构,作为所述机构的交易服务实体数字孪生模型;接受所述机构对交易服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对交易服务实体数字孪生模型的修改,将修改后的交易服务实体数字孪生模型发送给所述机构,重复此模块,直至修改意向为空;
交易服务实体数字孪生模型更新模块:获取交易服务实体的实时服务数据,将交易服务实体对应的用户实体、机构实体、最近的时间步长内服务数据和最新的交易服务实体数字孪生模型作为孪生更新深度学习模型的输入,通过计算得到的输出作为最新的交易服务实体数字孪生模型,按照一定的时间步长重复此模块;
孪生更新深度学习模型的构建模块:获取交易服务实体对应的用户实体、机构实体、时间步长内服务数据以及该时间步长开始时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的输入,该时间步长结束时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的预期输出,对孪生更新深度学习模型进行训练和测试。
优选地,,所述系统包括:
医康养服务知识图谱构建模块:获取医康养现代服务业的医康养机构的数据、医康养用户的数据、医康养交易服务数据,从医康养机构的数据中获取机构实体、服务实体、机构与服务的供给关系,从医康养用户的数据中获取用户实体、需求实体、用户与需求的需求关系,通过服务实体与需求实体的匹配,形成所述服务实体与所述需求实体之间的匹配关系;从医康养交易服务数据中获取提供服务的机构实体、接受服务的用户实体、所述机构实体和用户实体之间的供需关系、所发生的交易服务中的交易服务实体、所述机构实体与交易服务实体之间的供给关系,所述用户实体与交易需求实体之间的需求关系、所述交易服务实体与所述交易需求实体之间的匹配关系、所述交易服务实体与所述服务实体之间的继承关系、所述交易需求实体与所述需求实体之间的继承关系;存在多个机构实体、多个用户实体、多个服务实体、多个需求实体、多个交易服务实体、多个交易需求实体、通用用户实体、通用机构实体、通用需求实体、通用服务实体以及这些实体之间的关系,形成医康养服务知识图谱;
医康养现代服务元宇宙构建模块:将用户实体数字孪生模型、机构实体数字孪生模型、服务实体数字孪生模型、需求实体数字孪生模型、交易服务实体数字孪生模型、需求服务实体数字孪生模型加入医康养现代服务元宇宙中。
第三方面,本发明实施例提供一种医康养生态化系统,包括医康养系统,其特征在于,所述医康养系统执行权利要求1-4任意一项所述方法的步骤。
第四方面,本发明实施例提供一种人工智能装置,所述系统包括第二方面实施例任意一项所述模块的装置。
第五方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
第六方面,本发明实施例提供一种机器人系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序,其特征在于,所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
本实施例提供的医康养大数据知识图谱智能数字孪生元宇宙方法和平台,包括:交易需求与服务匹配步骤;交易服务实体定制步骤;医康养服务知识图谱构建步骤;医康养现代服务元宇宙构建步骤。上述方法、系统和机器人,通过知识图谱匹配出与需求最为匹配的服务,而且能够将多个机构的服务进行组合和修改定制,从而使得服务能够最大程度地服务于用户的需求,同时通过知识图谱和元宇宙使得医康养现代服务更为高效。
附图说明
图1为本发明的实施例提供的人工智能系统的模块图;
图2为本发明的实施例提供的人工智能系统的模块图;
图3为本发明的实施例提供的人工智能系统的模块图;
图4为本发明的实施例提供的人工智能系统的模块图;
图5为本发明的实施例提供的示意图。
具体实施方式
下面结合本发明实施方式,对本发明实施例中的技术方案进行详细地描述。
一、本发明的基本实施例
第一方面,本发明实施例提供一种人工智能方法,所述方法包括:交易需求与服务匹配步骤;交易服务实体定制步骤。技术效果:通过知识图谱匹配出与需求最为匹配的服务,而且能够将多个机构的服务进行组合和修改定制,从而使得服务能够最大程度地服务于用户的需求。
在一个优选的实施例中,所述方法包括:数字孪生模型构建步骤;数字孪生模型定制步骤。技术效果:根据知识图谱中的实体和关系进行数字孪生模型的构建,同时能够通过机构的反馈和专家的修改使得数字孪生模型更为精确。
在一个优选的实施例中,所述方法还包括:交易服务实体数字孪生模型定制步骤;交易服务实体数字孪生模型更新步骤;孪生更新深度学习模型的构建步骤。技术效果:首先从历史交易数据和交易服务数字孪生模型来训练深度学习模型,然后再通过深度学习模型,根据交易的实时数据来实时地更新交易服务数字孪生模型,能够使得数字孪生模型能够实时地更新,更为逼近现实。
在一个优选的实施例中,所述方法包括:医康养服务知识图谱构建步骤;医康养现代服务元宇宙构建步骤。技术效果:通过知识图谱和元宇宙使得医康养现代服务更为高效。
第二方面,本发明实施例提供一种人工智能系统,如图1所示,所述系统包括:交易需求与服务匹配模块;交易服务实体定制模块。
在一个优选的实施例中,如图2所示,所述系统包括:数字孪生模型构建模块;数字孪生模型定制模块。
在一个优选的实施例中,如图3所示,所述系统还包括:交易服务实体数字孪生模型定制模块;交易服务实体数字孪生模型更新模块;孪生更新深度学习模型的构建模块。
在一个优选的实施例中,如图4所示,所述系统包括:医康养服务知识图谱构建模块;医康养现代服务元宇宙构建模块。
第三方面,本发明实施例提供一种医康养生态化系统,包括医康养系统,其特征在于,所述医康养系统执行第一方面实施例任意一项所述方法的步骤。技术效果:通过任务和资源预测、预先执行任务、预先进行资源的调度,能够使得医康养系统更为节省资源、更为绿色化、生态化。
第四方面,本发明实施例提供一种人工智能装置,所述系统包括第二方面实施例任意一项所述系统的模块。
第五方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
第六方面,本发明实施例提供一种机器人系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序,其特征在于,所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
二、本发明的第一优选实施例
1、获取医康养现代服务业的医康养机构的数据、医康养用户的数据、医康养交易服务数据,从医康养机构的数据中获取机构实体、服务实体、机构与服务的供给关系,从医康养用户的数据中获取用户实体、需求实体、用户与需求的需求关系,通过服务实体与需求实体的匹配,形成所述服务实体与所述需求实体之间的匹配关系。从医康养交易服务数据中获取提供服务的机构实体、接受服务的用户实体、所述机构实体和用户实体之间的供需关系、所发生的交易服务中的交易服务实体、所述机构实体与交易服务实体之间的供给关系,所述用户实体与交易需求实体之间的需求关系、所述交易服务实体与所述交易需求实体之间的匹配关系、所述交易服务实体与所述服务实体之间的继承关系、所述交易需求实体与所述需求实体之间的继承关系。存在多个机构实体、多个用户实体、多个服务实体、多个需求实体、多个交易服务实体、多个交易需求实体、通用用户实体、通用机构实体、通用需求实体、通用服务实体以及这些实体之间的关系,形成医康养服务知识图谱。构建与多个机构实体、多个用户实体、多个服务实体、多个需求实体、通用需求实体、通用服务实体、通用用户实体、通用机构实体以及这些实体之间的关系对应的多个机构实体数字孪生模型、多个用户实体数字孪生模型、多个服务实体数字孪生模型、多个需求实体数字孪生模型、通用需求实体数字孪生模型、通用服务实体数字孪生模型以及这些实体数字孪生模型之间的关系。可以基于通用用户实体数字孪生模型构建用户实体数字孪生模型;基于通用机构实体数字孪生模型构建机构实体数字孪生模型;基于通用需求实体数字孪生模型构建需求实体数字孪生模型;基于通用服务实体数字孪生模型构建服务实体数字孪生模型。
2、从每一用户的需求实体中提取多个公共需求实体作为多个通用需求实体,通用需求实体与用户的需求实体之间是继承关系,也就是说用户的需求实体可以继承自通用需求实体。从每一机构的服务实体中提取多个公共需求实体作为多个通用服务实体,通用服务实体与用户的服务实体之间是继承关系,也就是说用户的服务实体可以继承自通用服务实体。从每一用户实体中提取多个公共用户实体作为多个通用用户实体,通用用户实体与用户实体之间是继承关系,也就是说用户实体可以继承自通用用户实体。从每一机构实体中提取多个公共机构实体作为多个通用机构实体,通用机构实体与机构实体之间是继承关系,也就是说机构实体可以继承自通用机构实体。
3、服务实体与交易服务实体之间的关系为继承关系,交易服务实体继承自服务实体。需求实体与交易需求实体之间的关系为继承关系,交易需求实体继承自需求实体。所述服务实体的属性包括服务的类型、服务的内容。所述交易服务实体的属性包括服务的类型、服务的内容、服务的时间范围、服务的空间范围、服务的过程记录(包括监控录像、传感器数据、服务人员的记录、等)、服务效果的度量结果、服务效果的用户反馈。所述需求实体的属性包括需求的类型、需求的内容。所述交易需求实体的属性包括需求的预期类型、需求的预期内容、需求的预期时间范围、需求的预期空间范围、服务效果的预期度量结果、服务效果的预期反馈。
4、接受用户的注册请求,将通用用户实体和通用需求实体发送给所述用户,作为所述用户的用户实体和需求实体,接受所述用户对用户实体和需求实体的修改;
5、接受机构的注册请求,将通用机构实体和通用服务实体发送给所述用户,作为所述用户的机构实体和服务实体,接受所述用户对机构实体和服务实体的修改;
6、将通用用户实体数字孪生模型和通用需求实体数字孪生模型发送给所述用户,作为所述用户的用户实体数字孪生模型和需求实体数字孪生模型;
7、接受所述用户对用户实体数字孪生模型和需求实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对用户实体数字孪生模型和需求实体数字孪生模型的修改,将修改后的用户实体数字孪生模型和需求实体数字孪生模型发送给所述用户,重复此步骤,直至修改意向为空。
8、将通用机构实体数字孪生模型和通用服务实体数字孪生模型发送给所述机构,作为所述机构的机构实体数字孪生模型和服务实体数字孪生模型;
9、接受所述机构对机构实体数字孪生模型和服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对机构实体数字孪生模型和服务实体数字孪生模型的修改,将修改后的机构实体数字孪生模型和服务实体数字孪生模型发送给所述机构,重复此步骤,直至修改意向为空。
10、获取用户的交易需求,作为用户的交易需求实体,根据用户的需求在医康养服务知识图谱中匹配出与所述交易需求最为匹配的所述用户的多个需求实体,将所述多个需求实体进行多次组合后再与所述交易需求进行匹配,得到最为匹配的多个组合后的需求实体,从所述多个需求实体和所述多个组合后的需求实体中选取匹配度最大的需求实体。若所述匹配度最大的需求实体为组合后的需求实体,则将组合后的需求实体中每个需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的服务实体;若所述匹配度最大的需求实体为未组合的需求实体,则将所述未组合的需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的交易服务实体;所述用户的交易需求对应的交易服务实体为一个或多个。
11、从在医康养服务知识图谱中获取与所述用户的交易需求对应的服务实体对应的服务机构,将所述用户的交易需求对应的交易服务实体及其对应的服务机构发送给用户。
12、接受用户对交易服务实体的修改反馈,若所述修改反馈为空,则将用户的交易需求实体,所述用户的交易服务实体新增进医康养服务知识图谱,并通知所述对应的服务机构为所述用户提供所述对应的交易服务;若所述修改反馈不为空,则通知所述对应的服务机构根据用户的修改反馈对交易服务实体进行修改,并修改后的交易服务实体及其对应的服务机构发送给用户,重新执行此步骤。
13、将机构的服务实体数字孪生模型发送给所述机构,作为所述机构的交易服务实体数字孪生模型;
14、接受所述机构对交易服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对交易服务实体数字孪生模型的修改,将修改后的交易服务实体数字孪生模型发送给所述机构,重复此步骤,直至修改意向为空。
15、获取交易服务实体的实时服务数据,根据所述实时服务数据对交易服务实体对应的交易服务实体数字孪生模型通过孪生更新深度学习模型进行实时更新。具体为:将交易服务实体对应的用户实体、机构实体、最近的时间步长内服务数据和最新的交易服务实体数字孪生模型作为孪生更新深度学习模型的输入,通过计算得到的输出作为最新的交易服务实体数字孪生模型,按照一定的时间步长重复此步骤。
16、孪生更新深度学习模型的构建步骤:获取交易服务实体对应的用户实体、机构实体、时间步长内服务数据以及该时间步长开始时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的输入,该时间步长结束时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的预期输出,对孪生更新深度学习模型进行训练和测试。
17、将用户实体数字孪生模型、机构实体数字孪生模型、服务实体数字孪生模型、需求实体数字孪生模型、交易服务实体数字孪生模型、需求服务实体数字孪生模型加入医康养现代服务元宇宙中。
三、本发明的第二优选实施例
现代服务业的核心是以智赋能产业,以智服务产业。智从何来?不仅仅来自人类专家,还可以来自大规模、快速、高效、低成本的大数据人工智能平台,所以现代服务业大数据人工智能平台意义重大。因此,我们迫切需要建立现代服务业大数据人工智能开放创新平台,来加速现代服务业的更高质量发展。现代服务业大数据人工智能开放创新平台是政府、产业、企业、高校、科研院所之间进行智力共享的平台,政府的指导性数据、企业产生的服务大数据输入到平台,高校和科研院所将数据智能算法加载到平台,政府和企业根据平台输出的结果来改进政策和服务,在这个过程中政府和企业是平台的数据提供者和主要使用者,高校和科研院所是平台的构建者。
大量的现代服务企业每天都在实时地产生海量的数据,这些数据是进行科学决策的最佳依据,是和石油和矿藏一样宝贵的无形资源,当前缺乏这样的平台进行及时采集,从而导致这些有价值的海量数据不断流失而无法恢复。专家统计和决策存在着数据收集粗粒度、不够实时等不足,基于大数据的统计和人工智能决策可以很好地辅助专家进行统计和决策,以供企业和政府部门进一步提高现代服务业的服务效率。
现代服务业数据比传统产业数据更为多样化、个性化、动态化,难以事先规范好所有的数据格式后再按部就班地采用传统的数据库技术进行存储和分析。现代服务业数据需要采用更为先进的大数据存储和分析技术以及人工智能自适应处理技术。现代服务业大数据人工智能开放创新平台能够汇集现代服务业的产业数据,并进行智能处理,其结果可以显著提升现代服务业的效率,起到事半功倍的效果。
现代服务业大数据人工智能开放创新平台的建设方案
基于现代服务大数据通过人工智能分析得到现代服务的产业画像和企业画像,可以让政府和企业对现代服务业及各个企业的发展状况、创新能力、潜力空间一目了然,进而为政府决策和企业计划提供依据。然后,基于大数据和人工智能在现代服务业画像的基础上进一步构建现代服务业元宇宙的数字孪生体,通过物联网连接企业现场,政府部门在平台上就能如临其境地指挥、调控现代服务业中的各个环节和企业,企业在平台上也能如临其境地操控具体的服务环节。
研发方案充分体现平台的五大特色。第一个特色在于平台的公信力和公益性。该平台需要采集大量企业的数据,该平台的输出结果需要真实可靠,具有公信力。第二个特色在于开放性,向所有的现代服务业的企事业单位开放。优于人工统计的非实时性,企业可以自主地向平台上传数据,数据通过深度隐藏和区块链进行处理,以确保其安全性和可信性。企业的人员和固定或移动的设备都可以随时随地地通过物联网连接到平台中,不间断地双向地传输和交互数据。第三个特色在于创新性,平台大数据可供政府部门和企事业单位及高校和科研院所使用,是产业创新、服务创新和技术创新的数据中台。各类用户根据现代服务产业和企业的需求,通过大数据人工智能算法的加持,可以加速新产品、新服务、新技术的创新。例如,物流服务业可以根据物流需求供给的历史数据,进行供求的精准预测,将某地将来一周内商场需要的产品提前运输过来,就可以极大提高物流的速度,提高人们的生活品质。第四个特色在于平台采用可进化的人工智能引擎。可进化的人工智能引擎可以在现代服务业大数据的处理过程中进行自我学习、自我总结、自我进步,使得平台可以不断自我升级。可进化的人工智能引擎,在初始阶段,需要人类专家陪伴处理数据,但随着时间的推移,就能逐渐成长为专家级人工智能引擎。第五个特色在于平台采用低碳的大数据驱动。低碳的大数据驱动解决了数据量越大消耗的存储和计算资源越多,进而消耗的电量越多的问题。低碳的大数据首先采用需求驱动的处理策略,有用才处理,无用就休眠;其次采用预先计算技术,利用空闲资源对未来可能用得到的数据进行提前处理。
为了实现上述五大特色,本平台具有三大核心技术:基于共享创新和人机混合智能的现代服务业数字孪生元宇宙、基于人工智能隐藏的时空大数据可信交互方法和机器人、基于人机混合智能的可进化人工智能方法和机器人系统,如图5所示。医康养服务是现代服务的一种。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,则对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人工智能方法,其特征在于,所述方法包括:
交易需求与服务匹配步骤:获取用户的交易需求,作为用户的交易需求实体,根据用户的需求在医康养服务知识图谱中匹配出与所述交易需求最为匹配的所述用户的多个需求实体,将所述多个需求实体进行多次组合后再与所述交易需求进行匹配,得到最为匹配的多个组合后的需求实体,从所述多个需求实体和所述多个组合后的需求实体中选取匹配度最大的需求实体;若所述匹配度最大的需求实体为组合后的需求实体,则将组合后的需求实体中每个需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的服务实体;若所述匹配度最大的需求实体为未组合的需求实体,则将所述未组合的需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的交易服务实体;所述用户的交易需求对应的交易服务实体为一个或多个;从在医康养服务知识图谱中获取与所述用户的交易需求对应的服务实体对应的服务机构,将所述用户的交易需求对应的交易服务实体及其对应的服务机构发送给用户;
交易服务实体定制步骤:接受用户对交易服务实体的修改反馈,若所述修改反馈为空,则将用户的交易需求实体,所述用户的交易服务实体新增进医康养服务知识图谱,并通知所述对应的服务机构为所述用户提供所述对应的交易服务;若所述修改反馈不为空,则通知所述对应的服务机构根据用户的修改反馈对交易服务实体进行修改,并修改后的交易服务实体及其对应的服务机构发送给用户,重新执行此步骤。
2.根据权利要求1所述的人工智能方法,其特征在于,所述方法包括:
数字孪生模型构建步骤:构建与多个机构实体、多个用户实体、多个服务实体、多个需求实体、通用需求实体、通用服务实体、通用用户实体、通用机构实体以及这些实体之间的关系对应的多个机构实体数字孪生模型、多个用户实体数字孪生模型、多个服务实体数字孪生模型、多个需求实体数字孪生模型、通用需求实体数字孪生模型、通用服务实体数字孪生模型以及这些实体数字孪生模型之间的关系;可以基于通用用户实体数字孪生模型构建用户实体数字孪生模型;基于通用机构实体数字孪生模型构建机构实体数字孪生模型;基于通用需求实体数字孪生模型构建需求实体数字孪生模型;基于通用服务实体数字孪生模型构建服务实体数字孪生模型;
数字孪生模型定制步骤:将通用用户实体数字孪生模型和通用需求实体数字孪生模型发送给所述用户,作为所述用户的用户实体数字孪生模型和需求实体数字孪生模型;接受所述用户对用户实体数字孪生模型和需求实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对用户实体数字孪生模型和需求实体数字孪生模型的修改,将修改后的用户实体数字孪生模型和需求实体数字孪生模型发送给所述用户,重复此步骤,直至修改意向为空;将通用机构实体数字孪生模型和通用服务实体数字孪生模型发送给所述机构,作为所述机构的机构实体数字孪生模型和服务实体数字孪生模型;接受所述机构对机构实体数字孪生模型和服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对机构实体数字孪生模型和服务实体数字孪生模型的修改,将修改后的机构实体数字孪生模型和服务实体数字孪生模型发送给所述机构,重复此步骤,直至修改意向为空。
3.根据权利要求1所述的人工智能方法,其特征在于,所述方法还包括:
交易服务实体数字孪生模型定制步骤:将机构的服务实体数字孪生模型发送给所述机构,作为所述机构的交易服务实体数字孪生模型;接受所述机构对交易服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对交易服务实体数字孪生模型的修改,将修改后的交易服务实体数字孪生模型发送给所述机构,重复此步骤,直至修改意向为空;
交易服务实体数字孪生模型更新步骤:获取交易服务实体的实时服务数据,将交易服务实体对应的用户实体、机构实体、最近的时间步长内服务数据和最新的交易服务实体数字孪生模型作为孪生更新深度学习模型的输入,通过计算得到的输出作为最新的交易服务实体数字孪生模型,按照一定的时间步长重复此步骤;
孪生更新深度学习模型的构建步骤:获取交易服务实体对应的用户实体、机构实体、时间步长内服务数据以及该时间步长开始时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的输入,该时间步长结束时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的预期输出,对孪生更新深度学习模型进行训练和测试。
4.根据权利要求1所述的人工智能方法,其特征在于,所述方法包括:
医康养服务知识图谱构建步骤:获取医康养现代服务业的医康养机构的数据、医康养用户的数据、医康养交易服务数据,从医康养机构的数据中获取机构实体、服务实体、机构与服务的供给关系,从医康养用户的数据中获取用户实体、需求实体、用户与需求的需求关系,通过服务实体与需求实体的匹配,形成所述服务实体与所述需求实体之间的匹配关系;从医康养交易服务数据中获取提供服务的机构实体、接受服务的用户实体、所述机构实体和用户实体之间的供需关系、所发生的交易服务中的交易服务实体、所述机构实体与交易服务实体之间的供给关系,所述用户实体与交易需求实体之间的需求关系、所述交易服务实体与所述交易需求实体之间的匹配关系、所述交易服务实体与所述服务实体之间的继承关系、所述交易需求实体与所述需求实体之间的继承关系;存在多个机构实体、多个用户实体、多个服务实体、多个需求实体、多个交易服务实体、多个交易需求实体、通用用户实体、通用机构实体、通用需求实体、通用服务实体以及这些实体之间的关系,形成医康养服务知识图谱;
医康养现代服务元宇宙构建步骤:将用户实体数字孪生模型、机构实体数字孪生模型、服务实体数字孪生模型、需求实体数字孪生模型、交易服务实体数字孪生模型、需求服务实体数字孪生模型加入医康养现代服务元宇宙中。
5.一种人工智能系统,其特征在于,所述系统包括:
交易需求与服务匹配模块:获取用户的交易需求,作为用户的交易需求实体,根据用户的需求在医康养服务知识图谱中匹配出与所述交易需求最为匹配的所述用户的多个需求实体,将所述多个需求实体进行多次组合后再与所述交易需求进行匹配,得到最为匹配的多个组合后的需求实体,从所述多个需求实体和所述多个组合后的需求实体中选取匹配度最大的需求实体;若所述匹配度最大的需求实体为组合后的需求实体,则将组合后的需求实体中每个需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的服务实体;若所述匹配度最大的需求实体为未组合的需求实体,则将所述未组合的需求实体在医康养服务知识图谱中提取出对应的每个服务实体,作为用户的交易需求对应的交易服务实体;所述用户的交易需求对应的交易服务实体为一个或多个;从在医康养服务知识图谱中获取与所述用户的交易需求对应的服务实体对应的服务机构,将所述用户的交易需求对应的交易服务实体及其对应的服务机构发送给用户;
交易服务实体定制模块:接受用户对交易服务实体的修改反馈,若所述修改反馈为空,则将用户的交易需求实体,所述用户的交易服务实体新增进医康养服务知识图谱,并通知所述对应的服务机构为所述用户提供所述对应的交易服务;若所述修改反馈不为空,则通知所述对应的服务机构根据用户的修改反馈对交易服务实体进行修改,并修改后的交易服务实体及其对应的服务机构发送给用户,重新执行此模块。
6.根据权利要求5所述的人工智能系统,其特征在于,所述系统包括:
数字孪生模型构建模块:构建与多个机构实体、多个用户实体、多个服务实体、多个需求实体、通用需求实体、通用服务实体、通用用户实体、通用机构实体以及这些实体之间的关系对应的多个机构实体数字孪生模型、多个用户实体数字孪生模型、多个服务实体数字孪生模型、多个需求实体数字孪生模型、通用需求实体数字孪生模型、通用服务实体数字孪生模型以及这些实体数字孪生模型之间的关系;可以基于通用用户实体数字孪生模型构建用户实体数字孪生模型;基于通用机构实体数字孪生模型构建机构实体数字孪生模型;基于通用需求实体数字孪生模型构建需求实体数字孪生模型;基于通用服务实体数字孪生模型构建服务实体数字孪生模型;
数字孪生模型定制模块:将通用用户实体数字孪生模型和通用需求实体数字孪生模型发送给所述用户,作为所述用户的用户实体数字孪生模型和需求实体数字孪生模型;接受所述用户对用户实体数字孪生模型和需求实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对用户实体数字孪生模型和需求实体数字孪生模型的修改,将修改后的用户实体数字孪生模型和需求实体数字孪生模型发送给所述用户,重复此模块,直至修改意向为空;将通用机构实体数字孪生模型和通用服务实体数字孪生模型发送给所述机构,作为所述机构的机构实体数字孪生模型和服务实体数字孪生模型;接受所述机构对机构实体数字孪生模型和服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对机构实体数字孪生模型和服务实体数字孪生模型的修改,将修改后的机构实体数字孪生模型和服务实体数字孪生模型发送给所述机构,重复此模块,直至修改意向为空。
7.根据权利要求5所述的人工智能系统,其特征在于,所述系统还包括:
交易服务实体数字孪生模型定制模块:将机构的服务实体数字孪生模型发送给所述机构,作为所述机构的交易服务实体数字孪生模型;接受所述机构对交易服务实体数字孪生模型的修改意向,若修改意向不为空,则接受工程师根据所述修改意向对交易服务实体数字孪生模型的修改,将修改后的交易服务实体数字孪生模型发送给所述机构,重复此模块,直至修改意向为空;
交易服务实体数字孪生模型更新模块:获取交易服务实体的实时服务数据,将交易服务实体对应的用户实体、机构实体、最近的时间步长内服务数据和最新的交易服务实体数字孪生模型作为孪生更新深度学习模型的输入,通过计算得到的输出作为最新的交易服务实体数字孪生模型,按照一定的时间步长重复此模块;
孪生更新深度学习模型的构建模块:获取交易服务实体对应的用户实体、机构实体、时间步长内服务数据以及该时间步长开始时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的输入,该时间步长结束时的交易服务实体数字孪生模型,作为孪生更新深度学习模型的预期输出,对孪生更新深度学习模型进行训练和测试。
8.根据权利要求5所述的人工智能系统,其特征在于,所述系统包括:
医康养服务知识图谱构建模块:获取医康养现代服务业的医康养机构的数据、医康养用户的数据、医康养交易服务数据,从医康养机构的数据中获取机构实体、服务实体、机构与服务的供给关系,从医康养用户的数据中获取用户实体、需求实体、用户与需求的需求关系,通过服务实体与需求实体的匹配,形成所述服务实体与所述需求实体之间的匹配关系;从医康养交易服务数据中获取提供服务的机构实体、接受服务的用户实体、所述机构实体和用户实体之间的供需关系、所发生的交易服务中的交易服务实体、所述机构实体与交易服务实体之间的供给关系,所述用户实体与交易需求实体之间的需求关系、所述交易服务实体与所述交易需求实体之间的匹配关系、所述交易服务实体与所述服务实体之间的继承关系、所述交易需求实体与所述需求实体之间的继承关系;存在多个机构实体、多个用户实体、多个服务实体、多个需求实体、多个交易服务实体、多个交易需求实体、通用用户实体、通用机构实体、通用需求实体、通用服务实体以及这些实体之间的关系,形成医康养服务知识图谱;
医康养现代服务元宇宙构建模块:将用户实体数字孪生模型、机构实体数字孪生模型、服务实体数字孪生模型、需求实体数字孪生模型、交易服务实体数字孪生模型、需求服务实体数字孪生模型加入医康养现代服务元宇宙中。
9.一种医康养生态化系统,包括医康养系统,其特征在于,所述医康养系统执行权利要求1-4任意一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210887782.XA CN115358892A (zh) | 2022-07-26 | 2022-07-26 | 医康养大数据知识图谱智能数字孪生元宇宙方法和平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210887782.XA CN115358892A (zh) | 2022-07-26 | 2022-07-26 | 医康养大数据知识图谱智能数字孪生元宇宙方法和平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115358892A true CN115358892A (zh) | 2022-11-18 |
Family
ID=84032166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210887782.XA Pending CN115358892A (zh) | 2022-07-26 | 2022-07-26 | 医康养大数据知识图谱智能数字孪生元宇宙方法和平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358892A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910374A (zh) * | 2023-09-13 | 2023-10-20 | 中电科大数据研究院有限公司 | 一种基于知识图谱的康养服务推荐方法、装置及存储介质 |
-
2022
- 2022-07-26 CN CN202210887782.XA patent/CN115358892A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910374A (zh) * | 2023-09-13 | 2023-10-20 | 中电科大数据研究院有限公司 | 一种基于知识图谱的康养服务推荐方法、装置及存储介质 |
CN116910374B (zh) * | 2023-09-13 | 2024-01-02 | 中电科大数据研究院有限公司 | 一种基于知识图谱的康养服务推荐方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767255B (zh) | 一种通过大数据建模实现智能运营及精准营销的方法 | |
Filip | Decision support and control for large-scale complex systems | |
Pianykh et al. | Improving healthcare operations management with machine learning | |
Li et al. | Fault diagnosis expert system of semiconductor manufacturing equipment using a Bayesian network | |
CN111913849B (zh) | 一种用于运维数据的无监督异常检测和鲁棒趋势预测方法 | |
CN108830745A (zh) | 基于监控信息的电网连锁故障诊断、预警、评估系统 | |
Sokolova et al. | Modeling and implementing an agent-based environmental health impact decision support system | |
CN115358892A (zh) | 医康养大数据知识图谱智能数字孪生元宇宙方法和平台 | |
CN115660293B (zh) | 基于数字孪生的复杂机电产品全生命周期综合评价方法 | |
Sapna et al. | Linked data through the lens of machine learning: an Enterprise view | |
CN116861189A (zh) | 基于大语言模型构建设备故障诊断维修知识库的方法 | |
Camargo et al. | An incremental learning approach to prediction models of SEIRD variables in the context of the COVID-19 pandemic | |
CN114422322B (zh) | 一种告警压缩的方法、装置、设备及存储介质 | |
CN116611813B (zh) | 一种基于知识图谱的智能运维管理方法及系统 | |
CN116663842A (zh) | 一种基于人工智能的数字化管理系统及方法 | |
CN104123317A (zh) | 基于知识库的业务组织评估分析方法 | |
CN114548751B (zh) | 一种监管场景下的突发事件智能推演方法、系统、设备及存储介质 | |
WO2023089097A1 (en) | Scalable, data-driven digital marketplace providing a standardized secured data system for interlinking sensitive risk-related data, and method thereof | |
Sassite et al. | A machine learning and multi-agent model to automate big data analytics in smart cities | |
CN106294669B (zh) | 一种多终端数据收集和关系转换系统及方法 | |
Long et al. | 6G comprehensive intelligence: network operations and optimization based on Large Language Models | |
Quek et al. | BIM-GIS Integration: Knowledge graphs in a world of data silos | |
He et al. | A New Intelligence Analysis Method Based on Sub-optimum Learning Model | |
Touloumis et al. | A unified framework for querying dynamic and semantic data sources | |
Mortenson | User-Centered Scalability: Creating Cross-System Visualizations for Nuclear Power Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |