摘要：本发明公开了一种全自动工字轮收线机，涉及收线机领域，包括机架，机架前表面下方安装有固定架，固定架中间上方固定安装有工字轮自动装卸轴机构，工字轮自动装卸轴机构右侧固定连接有满轮槽，所述工字轮自动装卸轴机构上方固定安装有打结剪线绕线机构，打结剪线绕线机构右侧固定连接有空轮槽，所述打结剪线绕线机构上方固定安装有工字轮，所述工字轮自动装卸轴机构上方固定安装有磁性收线轴机构。本发明使水箱拉丝机收线实现自动化，无需工人操作，降低用工成本，并且故障率底，工作可靠，提高产品合格率和效率，降低产品成本，提高市场企业竞争力。

摘要：本发明涉及调味料调配设备技术领域，具体的说是一种鳕鱼汤调味料调配装置及其配料方法，包括反应釜本体，反应釜本体的顶端连接有顶盖，顶盖的一侧安装有加料结构，反应釜本体的内部安装有搅拌结构和过滤结构，反应釜本体的底端连接有支撑结构，支撑结构的一侧连接有转动结构；通过加料结构稳定的添加鳕鱼汤的调料，使调料更稳定；通过搅拌结构对进入的调味料进行搅拌，使调味料的各个成分混合的更加均匀；通过过滤结构将调味料反应后的废渣与汁液分离，便于制成更加纯净的调味料；通过转动结构转动反应釜本体，便于内视反应釜本体内部的空间，通过支撑结构便于支撑反应釜本体，使反应釜本体的检修更加稳定。

摘要：本发明涉及日式昆布汤料配制技术领域，具体的说是一种日式昆布汤料配制装置及其配料方法，包括架体，所述架体上安装有加热结构，所述架体上设有升降结构，所述架体上安装有搅拌结构，所述搅拌结构内安装有筛选结构，所述搅拌结构上安装有过滤结构，所述加热结构上安装有滑动结构；通过在架体上安装有加热结构，能够将进行搅拌的汤汁进行加热，更好地进行熬制而且还能够调节加热装置升降，不仅能够及时对汤汁停止加热，还能够防止搅拌装置对加热装置造成损伤，同时通过升降结构能够将搅拌装置进行升降便于将熬制好的汤汁取出，通过在架体上安装搅拌结构，能够对加热的汤汁进行搅拌，使得汤汁熬制浓度更为均匀。

摘要：本申请实施例提供一种身份验证方法、装置和电子设备，在身份验证方法中，第二电子设备接收用户将第一电子设备投屏至第二电子设备的投屏操作，响应于上述投屏操作，第二电子设备采集用户的第一身份验证信息，获得第一身份验证信息与第一电子设备预存的第二身份验证信息的第一比对结果，若第一比对结果为一致，第二电子设备显示第一电子设备的投屏界面，该方法无需用户在第一电子设备侧进行身份验证信息的输入，即可快捷的完成投屏中的身份验证，提升用户体验。

摘要：本发明公开了一种基于大语言模型的电力科研成果知识库构建方法，利用提示词工程将ChatGLM2‑6B作为关键词扩充器和关键词领域判别器，实现了对关键词信息的全方位、全面性的补充，不仅提供了更多的关键词选择，而且确保这些关键词在不同领域的准确性，为用户提供更为全面、深度的信息支持，还采用的文本相似度计算方法通过巧妙整合关键词信息、上下文语义和文本长度，展现了全面性特征融合的优越性。

摘要：本发明公开了Transformer与多头注意力机制的电力领域科研成果实体识别方法，TE‑BMAC模型通过在信息输入层引入Transformer编码器，使得模型在处理文本信息时具有更强大的学习和表达能力，相较于传统方法，在性能上表现出显著的优势，提升了模型在涉及上下文关系的任务中的实用性和适应性；TE‑BMAC模型中特征提取层的BiLSTM和多头注意力机制的融合，使得模型在处理不同领域和复杂语境下具有更强的泛化能力，相较于单一BiLSTM模型在处理特定任务时的限制，本发明能够更好地适应各种应用场景，提高了模型特征提取的通用性和可靠性；基于TE‑BMAC模型以一种高效、准确的方式实现了电力科研成果的命名实体识别，为电力领域的科研活动和信息处理提供了一种可行、可靠、精准度高的实体识别方法。

摘要：本发明公开了一种电力行业科研知识抽取方法及系统，该方法包括以下步骤：S1收集电力科研文献信息，并对收集到的文献信息进行预处理；S2构建电力科研领域关键词词典，通过机器标注的方式得到命名实体识别标注的语料库，从而得到训练集；S3采用改进的BiLSTM‑CNN‑CRF网络对训练集进行训练，完成电力科研知识的关键词抽取；S4将所述预测输出层得到的电力科研知识关键词与电力科研文献信息一起存入到图数据库Neo4j中。本发明将预处理后的电力科研文献信息经过所述嵌入层后转换为字符嵌入向量，采用的字符嵌入向量计算方法为将电力行业中的每个字符向量化，比直接使用相关模型进行特征提取进而得到相关的字符嵌入向量更加齐整，也即减少了很多冗余无效数据信息，从而提高抽取的准确率也相应的提高了抽取速度。

摘要：本发明公开了一种基于BGE模型的电力科研知识关联性构建方法及系统，该方法包括以下步骤：收集电力科研文献信息，并对收集到的文献信息进行预处理，得到电力领域关键词词库；获取电力领域关键词的释义，构建电力领域关键词词典；利用融合词典信息BGE模型对每个电力领域关键词的释义向量化，将所得电力领域关键词词库的释义全部向量化；根据所得的全部电力领域关键词的释义向量化计算电力领域关键词之间的语义相关性和语境相关性。本发明将构建的电力领域关键词释义经过RetroMAE预训练和嵌入层，分别处理后进行向量的拼接，得到多维度的释义向量表示，从两个方向聚合对象语义信息，可得到每个层面的最终表征，保证了语义信息不被削弱，提高了语义表征的能力。

摘要：本发明公开了基于关键向量模型的知识图谱查询方法，涉及数据处理相关领域，该方法包括：将原始数据库存储于第一服务器进行数据过滤建立源数据库，建立数据的特征集，将源数据库、特征降维结果发送至第二服务器，以特征降维结果进行源数据库内对应数据的向量表征，并以向量表征结果搭建知识图谱，接收查询入口的输入查询信息进行向量转换，并将向量转换结果输入知识图谱进行向量空间数据相似度计算，生成相似度计算结果返回第一服务器进行附加计算，根据附加计算结果输出查询结果，解决了现有技术中缺乏对知识图谱查询的管控，导致存在查询效率低的技术问题，实现了对知识图谱查询的合理化精准管控，从而提升查询效率的技术效果。

摘要：本发明公开了一种基于知识图谱的电力科研知识智能查询方法及系统，该方法包括以下步骤：收集电力科研文献信息，爬取电力科研领域关键词词典，将收集到的电力科研文献信息与电力科研领域关键词存储在图数据库Neo4j中；收集关于电力文章中的关键词与关键词释义的句子，并人工标注数据；将关键词中的每一个字作为一个实体构建关键词与字的知识图谱，基于该图谱得到融合邻居信息的每个字的邻域矩阵；构建融合知识图谱邻域信息的电力科研知识智能查询模型，该模型经过训练输出得到句子中的电力关键词识别与句子意图解析。本发明改进了常用的字符嵌入模型，融入了字与电力关键词之间的知识图谱基于邻居的聚合信息，可以更好的匹配电力关键词。