摘要
本发明涉及一种基于知识图谱的电力采购品分级方法,包括采集采购品类信息、历史采购业务数据和供应商数据;抽取历史采购数据的实体类别和实体关系,并结合供应商数据构建供应商知识图谱;对采购品类信息进行标签提取,并进行多源标签体系融合构成采购品知识图谱;计算采购品的收益影响和采购品的供应风险;设定各分类对电网的影响程度,构建卡拉杰克模型,利用所述卡拉杰克模型对采购品进行分级。本发明引入神经网络实体识别、远监督算法和卷积神经网络技术,提升了处理复杂的大规模数据的能力;采用卡拉杰克模型的三维分级方法根据电网运行的具体需求灵活调整采购品的分类标准,适应市场变化和技术进步,保证了采购策略的动态优化和持续改进。
技术关键词
标签体系
图谱
卷积神经网络模型
实体识别模型
自然语言文本
电力
监督算法
卷积神经网络技术
数据
本体匹配方法
因子
风险
关系
条件随机场
排序损失
抽取算法
术语
层级
系统为您推荐了相关专利信息
建筑材料
资源优化方法
卷积神经网络模型
卷积神经网络算法
问卷调查题目
数据库查询语句
自然语言文本
财务
分词
生成方法
安全帽识别方法
视频流技术
佩戴安全帽
安全帽本体
实时视频流
工业资产关联
业务流程数据
业务流程信息
大语言模型
分析方法
鱼类栖息地
空中机器人
卷积神经网络模型
正射影像图
卷积神经网络算法