CN119476499A 数据驱动跨领域智能资产知识推理与价值评估方法及系统 （北京科杰科技有限公司）

数据驱动跨领域智能资产知识推理与价值本发明数据驱动跨领域智能资产知识推理与价值评估方法及系统，涉及智能资产技术领2接收用户输入的智能资产评估目标，基于预训练语言模型解根据所述知识推理结果提取智能资产的价值影响因子，将所述价值将所述资产特征向量通过特征映射模型映射至预设的知识图谱对所述映射目标节点建立多维度关联分析模型，所述多维度关联分析模型基于将所述初始知识图谱输入图神经网络进行权重计算，所述图神经网将所述特征相似度、所述结构相似度和所述时序相似度输入多任务3接收用户输入的评估目标，基于评估目标语义模板对所述评估目标进行规范化处理，将所述词级别语义特征、所述短语级别语义特征、所述句子级别基于所述查询语句在所述跨领域智能资产知识图谱中同时从评估目标节点和候选资根据所述路径质量分数计算节点与评估目标的相关性得分，所述相从所述查询语句中提取评估目标节点和候选资产节点；对所述评估目标将搜索空间划分为多个子区域，在每个所述子区域中构建独立对检索得到的路径进行多维度评分：计算路径节点序列与所述查询语4对所述资产节点集合进行多层次注意力计算，基于节点度中心基于所述节点综合重要性权重选择权重大于预设权重阈值的种子节将所述资产知识推理路径中的路径与预设的推理规则模板进行结构匹配和语义匹配，获取智能资产的初始评估结果，基于所述初始评估结果与历史评估数据组成时序序短时记忆网络提取长期依赖特征向量，将所述周期分量输入Prophet模型提取季节性特征将所述融合特征向量输入修正模型对所述初始评估结果进行动态修正得到修正评估在关系型数据库中基于所述动态评估结果筛选评估对象的技术依赖节点构建关联网动态评估结果输入主成分分析模型，提取价值贡献度大于0.7的特征作为核心价值要素向述趋势要素向量映射至对应章节；将新增数据输入价值评估模型更新所述动态评估结果，增数据包括所述传导特征向量和所述市场联动特征向量的5将所述融合特征向量输入特征映射网络得到映射特征；构建注意力基于所述修正特征构建动态修正模型，将所述初始评估结果输构建分位数回归模型组，将所述修正评估值和所述修采用交替优化策略训练所述分位数回归模型组：首先固定分布参数优化将所述修正评估值输入训练完成的分位数回归模型组，计算置区间的下限值；将所述修正评估值与所述置信区间上限值和所述置信区间下限值进行组8.数据驱动跨领域智能资产知识推理与价值评估系统，用于实现前述权利要求1_7中度学习模型构建资产特征向量；将所述资产特征向量映射至预设的知识图谱本体结构中，第二单元，用于接收用户输入的智能资产评估目标，基于预估目标的语义特征；根据所述语义特征在所述跨领域智能资产知识图谱中进行路径检索，第三单元，用于根据所述知识推理结果提取智能资产的价6其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意78预训练的价值评估模型；所述价值评估模型基于历史交易数据和市场评估数据进行训练，所述特征映射模型基于余弦相似度计算所述资产特征向量与本体概念向量之间的语义距词表对所述评估目标进行语义解析，采用多头交叉注意力机制分别构建评估要素注意力基于所述查询语句在所述跨领域智能资产知识图谱中同时从评估目标节点和候9[0010]基于所述查询语句在所述跨领域智能资产知识图谱中同时从评估目标节点和候似度得到路径语义相关度，基于路径关系的可靠性和知识来源的权威性计算路径可信度，推理算法对重要性权重大于预设权重阈值的节点进行多跳推理，形成资产知识推理路径；将所述资产知识推理路径中的路径与预设的推理规则模板进行结构匹配和语义长短时记忆网络提取长期依赖特征向量，将所述周期分量输入Prophet模型提取季节性特将所述融合特征向量输入修正模型对所述初始评估结果进行动态修正得到修正在关系型数据库中基于所述动态评估结果筛选评估对象的技术依赖节点构建关所述动态评估结果输入主成分分析模型，提取价值贡献度大于0.7的特征作为核心价值要述新增数据包括所述传导特征向量和所述市场联动特征向量的[0013]将所述融合特征向量输入修正模型对所述初始评估结果进行动态修正得到修正将所述融合特征向量输入特征映射网络得到映射特征；构建注意力权重计算模[0020]图1为本发明实施例数据驱动跨领域智能资产知识推理与价值评估方法的流程示图2为本发明实施例数据驱动跨领域智能资产知识推理与价值评估系统的结构示[0023]图1为本发明实施例数据驱动跨领域智能资产知识推理与价值评估方法的流程示所述评估目标相关的资产节点集合；对所述资产节点集合应用注意力机制进行相关性计[0024]在一种可选的实施方式中,将所述资产特征向量映射至所述特征映射模型基于余弦相似度计算所述资产特征向量与本体概念向量之间的语义距上进行训练得到。提升知识融合效率：通过将不同领域的智能资产映射到统一的知识图谱本体中，[0031]在一种可选的实施方式中,接收用户词表对所述评估目标进行语义解析，采用多头交叉注意力机制分别构建评估要素注意力基于所述查询语句在所述跨领域智能资产知识图谱中同时从评估目标节点和候汽车产业链上的核心技术",评估维度:"高增长潜力",约束条件:整个评估目标中的重要性和作用。数也较高。[0039]在一种可选的实施方式中,基于所述查询语句在所述似度得到路径语义相关度，基于路径关系的可靠性和知识来源的权威性计算路径可信度，[0047]在一种可选的实施方式中,对所述资产节点集合应用注意力机制进行相关性计将所述资产知识推理路径中的路径与预设的推理规则模板进行结构匹配和语义义重要性得分+0.3*节点A的时序重要B_C之间关系的语义相关性。选择可靠性评分和连贯性评分均高于预设评分阈值的路径形基于验证结果筛选评分高于预设评分阈值的可信路径并消解冲突，最终生成知识推理结[0053]在一种可选的实施方式中,获取智能资产的长短时记忆网络提取长期依赖特征向量，将所述周期分量输入Prophet模型提取季节性特将所述融合特征向量输入修正模型对所述初始评估结果进行动态修正得到修正在关系型数据库中基于所述动态评估结果筛选评估对象的技术依赖节点构建关所述动态评估结果输入主成分分析模型，提取价值贡献度大于0.7的特征作为核心价值要述新增数据包括所述传导特征向量和所述市场联动特征向量的[0058]构建Stacking模型并得到融合特征向量。将LSTM模型输出的长期依赖特征向量、Prophet模型输出的季节性特征向量和AR模型输出的波动特征向量输入Stacking模型，得关系数大于0.6的特征作为趋势要素向量，例如，提取得到趋势要素向量为[技术更新速[0062]生成并动态更新评估报告。以核心价值要素向量为基准构建评估报告的主体框[0064]在一种可选的实施方式中,将所述融合特征将所述融合特征向量输入特征映射网络得到映射特征；构建注意力权重计算模学习能力进行评估，初始评估结果可能是期中考试的成绩，特征向量可以包括学生的课堂学生的特征向量为[80,90,1]。