专利交易市场

本发明公开了一种基于数据挖掘和树状结构的河流相知识图谱反推方法，属于自然语言处理技术领域。该方法包括如下步骤：1、通过在河流相文献中运用命名体识别抽取实体并通过人工完善实体种类；2：根据步骤1的实体种类构建层级关系主要为岩性关系和结构关系；3：根据步骤1和步骤2构建专家领域河流相知识图谱；4：根据步骤3构建河流相树状结构节点，使得每个节点都存在于一个树状结构当中；5：根据步骤4，构建河流相反推方法，并通过专家输入单个实体或实体组合反推出河流相层级关系的组合比率并筛选出最佳的可能性。本发明适用于异构数据的信息获取和分析工作。

本发明公开了一种融合多种数据挖掘技术的恐怖袭击事件评估决策方法，先利用熵权评价法计算每条恐怖袭击事件的危害程度进而实现恐怖袭击事件危害性分级模型；接着，通过K均值聚类算法找出多条作案者信息的簇中心进而得出恐怖分子关于典型事件的嫌疑度；然后，以近三年中恐怖袭击数据作为样本，利用多元线性回归模型分析攻击类型、目标类型、武器类型等的变化趋势以反映地区反恐整体态势；最后，利用词频‑逆文档算法对近三年恐怖事件的事件摘要进行词频重要性计算进而给出恐怖袭击事件的主要成因。本发明对恐怖袭击事件相关数据的深入分析，将有助于为反恐防恐提供有价值的信息支持，辅助反恐人员高效决策和响应反恐事件。

本发明涉及一种基于数据挖掘的企业用电量分析与预测方法，结合温度、湿度和节假日等多影响因素，对企业用电量进行分析与预测。本方法首先利用牛顿插值法、归一化法和PAA算法对数据集进行预处理；再次，利用谱聚类算法对数据集进行聚类，判断异常数据并修正，得到与温度、湿度、节假日等相关性高的企业用电量分组；最后，选用同类企业用电量数据和其相关性高的影响因素作为模型的预测输入，利用循环神经网络(RNN)得出预测值。本发明根据不同的企业用电量类型，结合其用电量影响因数，构建不同的预测模型，可达到模型预测精度高，具有数据预处理能力的效果。