CN119475288A 一种数据要素在城市治理领域的实践方法 （陕西长安华科发展股份有限公司）

本公开是关于一种数据要素在城市治理领2从区块链网络中获取目标区域的目标数据资源，并对所述获取所述目标区域的目标对象已配置位置，并将所述目标社会性数据、目标区域经济数据以及目标对象已配置位置输入至预设的对象位置预测模型中，基于预设的对象位置推荐模型对所述对象位置预测结果进行评分，得到第一评分结将所述目标对象待配置位置上传至所述区块链，以使得运维人员从根据所述目标社会人口数据、目标区域属性数据以及目标区域基于嵌入映射层对所述待预测的区域基础信息进行词嵌入处理，得到第一区域特征，基于所述编码层对所述第一区域特征以及上下文标志序列进行编其中，基于所述混合专家模型层对所述上下文标志序列以及上下文整体表征进行预基于所述门控网络模型根据所述上下文标志序列，确定所述专家将所述上下文标志序列以及上下文整体表征输入至所述目标神经网其中，基于所述门控网络模型根据所述上下文标志序列，确基于所述第一门控网络模型根据所述上下文标志序列，确定所述专家神3定执行对象配置密度维度上的对象位置预测任务所需的第一目基于第二门控网络模型根据所述上下文标志序列，确定所述专家神行对象配置广度维度上的对象位置预测任务所需的第二目标神经网将所述上下文标志序列以及上下文整体表征输入至所述第一目标神经网络将所述上下文标志序列以及上下文整体表征输入至所为在对象配置密度维度上的第一预测结果配置第对所述第一维度权重值和第一预测结果、第二维度权重值和第二预基于所述预设的对象位置推荐模型的内节点计算所述对象位置预测结果的线性回归基于所述预设的对象位置推荐模型的叶子节点所在的归一化层对所述线性回归部分获取对象已配置区域的当前社会人口数据、当前区域属性数据以及当前区域经济数将所述当前社会人口数据、当前区域属性数据、当前区域经济数根据所述第二对象配置位置中的第二配置密度以及第一预测结果，构建第一损失函基于所述第一损失函数以及第二损失函数构建目标损失函数，并8.一种数据要素在城市治理领域的实践装置，数据资源解析模块，用于从区块链网络中获取目标区域4位置预测结果确定模块，用于获取所述目标区域的待配置位置确定模块，用于基于预设的对象位置推荐模型对所述对待配置位置上传模块，用于将所述目标对象待配置位置上传至所维人员从所述区块链中获取所述目标对象待配置位置并处理器执行时实现权利要求1_7任一项所述的数据要素在城市治理领域其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1_7任一项所述的5少在一定程度上克服由于相关技术的限制和缺陷而导致的数据资源浪费的问题以及数据从区块链网络中获取目标区域的目标数据资源，并对所述目标数据资源进行解[0007]在本公开的一种示例性实施例中，所述预设的对象位置预测模型包括嵌入映射6志序列；中确定执行对象配置密度维度上的对象位置预测任务所需的第一目标神经定执行对象配置广度维度上的对象位置预测任务所需的第二目标神经将所述上下文标志序列以及上下文整体表征输入至所述第一目标神经网络模型，将所述上下文标志序列以及上下文整体表征输入至所述第二目标神经网络模型7基于所述预设的对象位置推荐模型的内节点计算所述对象位置预测结果的线性基于所述预设的对象位置推荐模型的叶子节点所在的归一化层对所述线性回归得运维人员从所述区块链中获取所述目标对象待配置位置并所述计算机程序被处理器执行时实现上述任意一项所述的数据要素在城市治理领域的实8对象位置预测结果中确定目标对象待配置位置；最后将目标对象待配置位置上传至区块[0019]图1示意性示出根据本公开示例实施例的一种数据要素在城市治理领域的实践方[0020]图2示意性示出根据本公开示例实施例的一种数据要素在城市治理领域的实践系[0021]图3示意性示出根据本公开示例实施例的一种预设的对象位置预测模型的结构示[0022]图4示意性示出根据本公开示例实施例的一种预设的对象位置预测模型中的混合[0023]图5示意性示出根据本公开示例实施例的一种预设的对象位置预测模型的训练过[0024]图6示意性示出根据本公开示例实施例的一种预设的对象位置推荐模型的结构示[0025]图7示意性示出根据本公开示例实施例的一种对象位置预测结果的确定过程的方[0026]图8示意性示出根据本公开示例实施例的一种数据要素在城市治理领域的实践装[0027]图9示意性示出根据本公开示例实施例的一种用于实现数据要素在城市治理领域9[0028]图10示意性示出根据本公开示例实施例的一种用于存储数据要素在城市治理领以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方数据要素在城市治理领域的实践方法可以包述区块链中获取所述目标对象待配置位置并进在被使用时无法对数据资源的使用者进行追踪，进而使得数据资源的安全性较低的问题，所记载的数据要素在城市治理领域的实践方法，可以在提高数据资源的利用率的基础上，记载的混合专家模型层，可以包括门控网络模型以及专家神经网络模型；此处所记对此不做特殊限制。占的比例工作场所数据例如可以是工作组分布（各行业的人员数量分布学校数据例如数量就业数据例如可以是就业率（就业人员在总人口中所占的比例工作场所数据例如据生成待预测的区域基础信息，并根据所述目标对象已配置位置以及预设的模型提示参成相应的待预测的区域基础信息以及待预测的进行编码处理，得到上下文整体表征；具体的，此处所记载的编码层可以是多层的双向基于所述门控网络模型根据所述上下文标志序列，确定所述专家神经网络模型的模型权经网络模型；将所述上下文标志序列以及上下文整体表征输入至所述目标神经网络模型根据所述第二模型权重从所述专家神经网络中确定执行对象配置广度维度上的对象位置高所得到的对象位置预测结果的准确性，进而在提高资源利用率的基础上提升用户体验，[0056]在步骤S130中，基于预设的对象位置推荐模型对所述对象位置预测结果进行评于所述预设的对象位置推荐模型的叶子节点所在的归一化层对所述线性回归部分进行归从所述区块链中获取所述目标对象待配置位置并进行[0062]本公开示例实施例还提供了一种数据要素在城市治理领待配置位置确定模块830，可以用于基于预设的对象位置推荐模型对所述对象位待配置位置上传模块840，可以用于将所述目标对象待配置位置上传至所述区块[0063]在本公开的一种示例性实施例中，所述预设的对象位置预测模型包括嵌入映射成待预测的上下文信息；基于嵌入映射层对所述待预测的区域基础信息进行词嵌入处理，得到第一区域特征，并基于所述嵌入映射层对所述待预测的上下文信息进行嵌入映射处模型权重从所述专家神经网络中确定执行对象配置密度维度上的对象位置预测任务所需专家神经网络中确定执行对象配置广度维度上的对象位置预测任务所需的第二目标神经测结果；将所述上下文标志序列以及上下文整体表征输入至所述第二目标神经网络模型果配置第一维度权重值，并为在对象配置广度维度上的第二预测结果配置第二维度权重数构建目标损失函数，并基于所述目标损失函数对所述待训练的大模型中的参数进行调[0069]上述数据要素在城市治理领域的实践装置中各模块的具体细节已经在对应的数块或者单元的特征和功能可以进一步划分为由多个模块或者单[0073]下面参照图9来描述根据本公开的这种实施方式的电子设备900。图9显示的电子括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件[0075]其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执块链中获取所述目标对象待配置位置并进行[0076]存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元[0077]存储单元920还可以包括具有一组（至少一个）程序模块9205的程序/实用工具[0078]总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储[0082]参考图10所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品[0086]可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远[0087]此外，上