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！

龙图腾网获悉南京莱斯信息技术股份有限公司申请的专利一种情报按需分发方法及系统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：CN114358122B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202111465048.6，技术领域涉及：G06Q10/063；该发明授权一种情报按需分发方法及系统是由张叶;赵新跃;高文昀;戴胜;唐皋;吴晓亮;李国玲;屠陈樑;严欢;潘京金;刘明设计研发完成，并于2021-12-03向国家知识产权局提交的专利申请。

本一种情报按需分发方法及系统在说明书摘要公布了：本发明公开了一种情报按需分发方法及系统，步骤如下：1接收上级文电信息以获取行动任务，及获取情报信息；2特征提取：指挥人员特征、行动任务特征、情报特征；3误差处理，模型优化；4根据优化后的模型将情报按兴趣度排序输出。本发明通过改进的线性判别分析法对任务和情报文本进行预处理，采用稀疏边缘降噪自动编码器进行任务、情报数据进行编码，并采用矩阵分解算法去除矩阵的空白部分进行降维，有效提高训练模型的准确度，同时提高了情报按需分发的精确度，提升了指挥人员的指挥效率。

本发明授权一种情报按需分发方法及系统在权利要求书中公布了：1.一种情报按需分发方法，其特征在于，步骤如下： 1接收上级文电信息以获取行动任务，及获取情报信息； 2特征提取：指挥人员特征、行动任务特征、情报特征； 3误差处理，模型优化； 4根据优化后的模型将情报按兴趣度排序输出； 所述步骤2特征提取具体步骤包括： 21分别对指挥人员所属机构和指挥人员席位进行编码形成矩阵Mi、Ni，Mi表示第i条数据标签中指挥人员所属机构的编码矩阵，Ni表示第i条数据标签中指挥人员席位的编码矩阵； 22采用改进的线性判别分析法对行动任务文本和情报文本进行预处理，确定每个词的重要性，得到预处理后的词向量；并采用稀疏边缘降噪自动编码器对预处理后的词向量进行文本编码得到矩阵Pi、Qi，Pi表示第i条数据标签中行动任务文本的编码矩阵，Qi表示第i条数据标签中情报文本的编码矩阵； 23根据指挥人员对情报的操作行为，对情报的兴趣度进行赋值编码形成矩阵Ri＝[α]，Ri为第i条数据标签中对情报的兴趣度，其中α＝0，1，2，3，分别表示无操作、选择、标注、输出； 24采用矩阵分解算法去除矩阵Mi，Ni，Pi和矩阵Qi，Ri中的空白部分； 所述改进的线性判别分析法具体为： 221求解线性判别分析法的类内离散度矩阵Sw和类间离散度矩阵Sb： 式中，xm表示第m类样本，Nm表示第m个样本数，N表示总样本数，xmn表示第m类样本中第n个样本c表示样本类别数，T表示矩阵的转置； 222将Fisher准则改为下式: 式中，为n维列向量，为最小散度矩阵差准则函数； 223求解下式特征方程d个最小特征值对应的特征向量： Sw‑Sbαk＝λkαk，k＝1，2，…，d式中，λk为第k个最小特征值，αk为特征值λk对应的特征向量； 所述步骤24具体包括： 241根据同一指挥人员在同一行动任务下关注的情报具有一定的相关性，构造行动任务文本和情报文本的共现矩阵R＝{rst}＝Ps，Qt，其中，rst表示以行动任务s为中心的滑动窗口中，情报文本t出现的次数；对矩阵R的每一行做截断，只保留数值最大的K个非零的rst，其余rst置零； 242记xs为行动任务s位于滑动窗口中心时的向量，yt表示情报文本t不在滑动窗口中心时的向量，可构造矩阵分解模型公式如下： 式中，cst＝αlog1+rst，α和λ为超参数，行动任务矩阵Ps＝[x1，x2，...xs...，xM]，情报文本矩阵Qt＝[y1，y2，...yt...，yM]，求解上式目标函数，获得行动任务文本和情报文本相似性； 所述步骤3具体包括： 31模型包括三个卷积层、三个池化层和一个全连接层；其中，在卷积层采用Relu函数作为激活函数，模型的最后一层为全连接层，将预测的情报结果分四类进行输出； 32指挥人员和行动任务作为模型的输入，情报作为模型的输出；堆叠形成多层稀疏边缘降噪自动编码器网络，分层训练每层稀疏边缘降噪自动编码器，再调整整个模型参数以达到模型最优化； 33将所有历史任务样本数据放入模型中进行训练，得到最优模型；在模型进行第一次训练时没有初始误差，因此给定一个初始误差，经过一次训练后，根据模型的输出计算与真实情况的误差，并作为下次训练的修正误差，不断迭代使其在规定的精度内收敛，得到最优的参数即得到最优的模型； 误差处理模型优化方法具体如下： 321自动编码器由编码器和解码器组成的三层神经网络，分别为输入层h、隐藏层w、输出层v，若编码函数为f、解码函数为g、编码器将输入层h映射到隐藏层w的特征表示为： w＝fh＝sfWh+b式中，sf为编码器激活函数，W为编码器的权重矩阵，b为编码器的偏置向量；解码器g将隐藏层w映射到输出层v的特征表示为： v＝gw＝sgW′w+b′式中，sg为解码器激活函数，W′为解码器的权重矩阵，b′为解码器的偏置向量；重构误差Lh，v衡量输入层h和输出层v的相似度： Lh，v＝||h‑v||2自动编码器的整体损失函数： 式中，s为训练样本集； 322稀疏自动编码器的损失函数为： 式中，β为权重系数，ρ为参数，为神经元的激活度； 323边缘降噪自动编码器的损失函数为： 式中，为输入数据第d维的干扰项方差； 324稀疏边缘降噪自动编码器的损失函数公式如下： SmDAEθ＝LL，v+JSAE+JmDAE+Y式中，yi为第i类行动任务下真实情报的总个数，为第i类行动任务下准确预测情报的总个数，r为反馈修正因子，通过训练网络来优化稀疏边缘降噪自动编码器的损失函数JSmDAE。

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莱斯信息技术股份有限公司，其通讯地址为：210014 江苏省南京市秦淮区永智路8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”。

以上内容由龙图腾AI智能生成。