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！

龙图腾网获悉南京师范大学申请的专利一种顾及地理因果关系的深度学习模型变量优化选取方法和装置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：CN119166731B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202411134763.5，技术领域涉及：G06F16/29；该发明授权一种顾及地理因果关系的深度学习模型变量优化选取方法和装置是由陈旻;谢威;钱振;张丰源;乐松山;温永宁设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本一种顾及地理因果关系的深度学习模型变量优化选取方法和装置在说明书摘要公布了：本发明公开了一种顾及地理因果关系的深度学习模型变量优化选取方法和装置；该方法针对开源大语言模型进行预训练，获得第一地理大模型；对第一地理大模型进行微调，得到第二地理大模型；接收包括待研究变量集V和关联数据的用户输入，明确处理变量X和目标变量Y，调用所述第一地理大模型为V中每个待研究变量生成附加元数据；基于第二地理大模型，确定V内待研究变量间的因果顺序；为V构建因果骨架图，通过所述因果顺序定向因果骨架图中的边，得到因果有向无环图DAG；筛选DAG中满足调整规则的节点，得到附加变量集合Z；以X和Z作为深度学习模型的输入变量，Y作为输出变量，完成顾及地理因果关系的深度学习模型的变量的优化选取。

本发明授权一种顾及地理因果关系的深度学习模型变量优化选取方法和装置在权利要求书中公布了：1.一种顾及地理因果关系的深度学习模型变量优化选取方法，其特征在于，包括：步骤S1：构建地理专业知识库，针对开源大语言模型进行预训练，获得第一地理大模型；步骤S2：构建包含地理上下文信息的因果关系数据集，对所述第一地理大模型进行微调，得到第二地理大模型；步骤S3：接收包括待研究变量集V和关联数据的用户输入，明确处理变量X和目标变量Y，调用所述第一地理大模型为所述待研究变量集V中每个待研究变量生成附加元数据；步骤S4：基于所述第二地理大模型，确定所述待研究变量集V内待研究变量间的因果顺序；步骤S5：为所述待研究变量集V构建因果骨架图，通过所述因果顺序定向因果骨架图中的边，得到因果有向无环图DAG；步骤S6：筛选所述因果有向无环图DAG中满足调整规则的节点，得到附加变量集合Z；步骤S7：以处理变量X和附加变量集合Z作为深度学习模型的输入变量，目标变量Y作为深度学习模型的输出变量，完成顾及地理因果关系的深度学习模型的变量的优化选取；所述步骤S1具体包括：从各种公开资源中获取的地理知识文本数据，所述公开资源包括专业书籍、学术论文、行业报告和百科词条，所述地理知识文本数据包括地理实体概念，经典理论和地理现象；对获取的地理知识文本数据进行预处理，构建地理专业知识库；其中所述预处理方法包括文本清洗、文本去重和文本分割；基于所述地理专业知识库对开源语言大模型进行预训练，得到第一地理大模型；所述步骤S2具体包括：从所述地理专业知识库中筛选出包括明确因果关系描述的文本段落，抽取其中的地理上下文，人工识别出因果关系对，构建因果关系数据集D；所述因果关系数据集D中每条数据d＝{STA,GD,TAs,CRDs}，其中：时空属性STA＝{Locaion,Time}，Location为地理位置，Time为时间；所属的地理学科或研究领域GD＝domain，domain为标识符；专题属性TAs＝{Attribute1,Attribute2,...,Attributet}，Attributek为第t个地理特征；因果关系集合CRDs＝{CRD1,CRD2,...,CRDN}，其中CRDn＝{Causen；Effectn；Descriptionn}，Causen表示第n个因果关系的原因变量，Effectn表示第n个因果关系的结果变量，Descriptionn表示对第n个因果关系的描述；利用D中的STA、GD和TAs为地理问题提供上下文信息，利用CRDs进行地理问题的推理和分析，构建问答对，对所述第一地理大模型进行微调，得到第二地理大模型。

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南京师范大学，其通讯地址为：210024 江苏省南京市鼓楼区宁海路122号；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”。