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！

龙图腾网获悉东北农业大学申请的专利DHI解读报告中异常分析文本的自动生成方法、系统及设备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：CN116795952B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310792256.X，技术领域涉及：G06F16/334；该发明授权DHI解读报告中异常分析文本的自动生成方法、系统及设备是由高萌;沈维政;韩笑;刘慧环;阿晓辉;甘文平;孙雨坤;熊本海设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本DHI解读报告中异常分析文本的自动生成方法、系统及设备在说明书摘要公布了：DHI解读报告中异常分析文本的自动生成方法、系统及设备，属于养殖技术与数据文本生成技术交叉领域。为了解决目前DHI解读报告中人工撰写异常分析文本存在的工作量大、效率低的问题，本发明首先获取DHI关键性能指标数据，定位本月数据值在对应的异常程度类型数组中的位置，将性能指标名称与其对应的异常程度值直接拼接，得到性能指标静态异常的描述文本；同时对本月数据和历史数据进行全局移动、局部移动和标准化处理，采用一个单层双向GRU网络作为编码器进行处理，并利用注意力层对输出的所有时间步的隐藏状态、解码器第t‑1步的隐藏状态进行处理，同时采用一个LSTM长短期记忆网络作为解码器生成性能指标动态趋势检测的描述文本。

本发明授权DHI解读报告中异常分析文本的自动生成方法、系统及设备在权利要求书中公布了：1.一种DHI解读报告中异常分析文本的自动生成方法，其特征在于，包括以下步骤： 首先，获取DHI关键性能指标数据，关键性能指标数值数据包括本月数据和历史数据； 然后基于关键性能指标数值数据，利用性能指标动态趋势检测及描述文本生成模型生成性能指标动态趋势检测的描述文本；所述性能指标动态趋势检测及描述文本生成模型包括数据预处理层、特征表示层、注意力层和文本生成层，处理过程如下： 1数据预处理层： 将获取的DHI关键性能指标数值数据的本月数据和历史数据作为原始数据，进行全局移动、局部移动和标准化处理： 1全局移动： 1 其中，为第个性能指标的第个月份的数据，为第个性能指标的初始月份的数据； 2局部移动： 2 其中，为第个性能指标的第个月份的数据，为第个性能指标的第个月份的数据，当时，为该性能指标的初始月份的数据； 3标准化： 3 其中，为第个性能指标中的第个月份的数据，和分别代表对应数据的平均值和标准差；1≤i≤n； 最后，得到每个性能指标的原始数据、全局移动、局部移动及其对应的标准化数据向量，即、、、、、，将其拼接为一个向量，将向量中的每一个元素当做一个时间步的输入输入编码器，当一个性能指标的最后一个向量输入完成之后，继续将下一个性能指标继续作为输入，直至最后一个性能指标的最后一个向量输入完成； 2特征表示层： 特征表示层采用一个单层双向GRU网络作为编码器，将所有性能指标的、、、、、拼接为一个向量，将向量中的每一个元素当做一个时间步的输入输入至单层双向GRU网络； 最终，特征表示层输出所有时间步的隐藏状态及最后一个时间步的隐藏状态； 3、注意力层： 将特征表示层输出的所有时间步的隐藏状态、解码器第步的隐藏状态取出，计算特征表示层每个时间步的输入在解码器第步时的重要性程度权重矩阵，即： 10 11 12 其中，、为中间变量；、、为不同维度的权重矩阵，作为待学习参数；为第步的隐藏状态，其中，为编码器的输出； 然后，将与进行矩阵乘法，得到加权的上下文语义矩阵，并在解码器生成文本时，与文本编码向量一起作为解码器输入； 13 4、文本生成层： 文本生成层采用一个LSTM长短期记忆网络作为解码器，将文本编码向量、加权的上下文语义矩阵及第步的隐藏状态输入LSTM，生成第步时描述文本的特征词，即： 14 15 其中，为标注文本的特征词；为经过的词向量；为当前解码阶段输出的隐藏状态；为线性层，用于对、和拼接后的矩阵进行线性处理。

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东北农业大学，其通讯地址为：150030 黑龙江省哈尔滨市香坊区长江路600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。