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 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 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 > 山东烁安数据科技有限公司车新鹏获国家专利权

山东烁安数据科技有限公司车新鹏获国家专利权

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!

龙图腾网获悉山东烁安数据科技有限公司申请的专利基于云边协同的社保数字员工数据处理与模型搭建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:CN120764693B

龙图腾网通过国家知识产权局官网在2026-04-14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:202510914444.4,技术领域涉及:G06N5/04;该发明授权基于云边协同的社保数字员工数据处理与模型搭建方法是由车新鹏;刘加亮;刘谦;韩志宏;何伟设计研发完成,并于2025-07-03向国家知识产权局提交的专利申请。

基于云边协同的社保数字员工数据处理与模型搭建方法在说明书摘要公布了:本发明涉及数字员工数据处理技术领域,具体涉及一种基于云边协同的社保数字员工数据处理与模型搭建方法,具体如下:采集多源社保数据,抓取政策文本;基于采集的多源社保数据和政策文本构造训练样本,并按比例划分为训练集、验证集和测试集;采用基于编码器和解码器的神经网络架构构建社保数字员工问答模型,将训练集输入至模型中经过编码器和解码器的处理,生成答案序列;对模型进行训练,模型进行多次迭代训练,直至满足预设的迭代停止条件时模型结束训练,通过验证集选择性能最好的模型最为最优模型;将测试集输入至最优模型中,生成答案序列。本发明通过构建建社保数字员工问答模型,可以提升处理效率,增强数据处理的准确性,降低运营成本。

本发明授权基于云边协同的社保数字员工数据处理与模型搭建方法在权利要求书中公布了:1.一种基于云边协同的社保数字员工数据处理与模型搭建方法,其特征是,包括以下步骤: S1、通过云平台和边缘计算节点协同采集多源社保数据,将采集的数据基于API接口定时增量同步云端结构化数据表,对缺失的参保年限字段采用同险种相邻地区数据均值填充;通过分布式爬虫实时抓取政府网站更新的政策解读文件,将政策文本按“章-节-条款”层级解析; S2、基于采集的多源社保数据和政策文本构造训练样本,样本生成逻辑采用问答对抽取的方式,解析“政策条款-适用条件-执行标准”三元组,生成标准问答模板,将训练样本按比例划分为训练集、验证集和测试集; S3、采用基于编码器和解码器的神经网络架构构建社保数字员工问答模型,模型为编码器-解码器的结构,编码器包括输入层、位置编码层、注意力层和输出层,解码器包括输入层、逻辑增强层、归一化层和输出层,将训练集输入至模型中经过编码器和解码器的处理,生成答案序列; 编码器的输入层进行多粒度语义融合操作的具体过程如下: 对输入的文本进行字符级、词级和术语级嵌入融合,表示输入的文本,输入的文本包含问题与答案,表示为[CLS]问题[SEP]答案[SEP],[CLS]表示序列起始标记,[SEP]表示分隔标记,具体步骤如下: 1计算字符级嵌入: 基于输入的文本,通过字符嵌入函数将每个字符映射为一个稠密向量,生成字符级嵌入矩阵; 2计算词级嵌入: 对输入的文本进行分词处理得到词序列,然后通过词嵌入函数将每个词序列映射为一个稠密向量,生成词级嵌入矩阵; 3计算术语级嵌入: 基于社保术语库,通过术语查找函数在输入的文本中识别专业术语,并直接从术语库中检索对应的术语嵌入向量,生成术语级嵌入矩阵; 4计算门控向量: 将同一位置对应的字符级嵌入矩阵、词级嵌入矩阵和术语级嵌入矩阵进行拼接,然后通过线性变换和Sigmoid激活函数计算得到门控向量; 5计算融合嵌入: 将词级嵌入矩阵和术语级嵌入矩阵分别投影到与字符级嵌入矩阵相同的维度空间,然后,将同一位置对应的投影后词级嵌入、投影后术语级嵌入和字符级嵌入进行拼接,并使用该位置的门控向量对拼接后的向量进行加权,得到该位置的融合嵌入向量,表示第个位置的融合嵌入向量; 编码器的位置编码层进行相对位置编码操作的具体过程如下: 采用语义感知的相对位置编码机制,具体步骤如下: 1计算语义衰减系数: 将两个位置的融合嵌入向量进行拼接,然后通过线性变换和激活函数计算得到语义衰减系数,来反映两个位置语义的关联程度,语义关联度高时衰减系数趋近于零; 2计算相对位置偏置: 将两个位置之间的语义衰减系数与其相对位置距离相乘,并取负值,得到相对位置偏置值,进而得到相对位置偏置矩阵; 3生成语义感知注意力分数: 融合嵌入向量作为输入序列,通过线性变换得到输入序列的查询矩阵和键矩阵,并计算标准注意力分数矩阵,然后将计算得到的相对位置偏置矩阵与标准注意力分数矩阵相加,得到基于语义感知的相对位置注意力分数矩阵; S4、定义损失函数对模型进行训练,并对模型参数进行更新,模型进行多次迭代训练,直至满足预设的迭代停止条件时模型结束训练,通过验证集选择性能最好的模型最为最优模型; S5、将测试集输入至最优模型中,进行社保数字员工问答,生成答案序列。

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东烁安数据科技有限公司,其通讯地址为:255000 山东省淄博市张店区和平街道办事处南西六路21号淄博市创业孵化中心A座1401-1405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”。

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。