摘要：本发明公开了一种基于洪峰参考集的中小河流流域相似性判别方法，首先进行洪峰分割，提取洪峰模式，即根据水位数据变化趋势找出洪峰过程分割的起止点，采用起止点之间的水位序列代表洪峰模式；然后训练洪峰参考集：依次利用极大值过滤法、最大距离方差选择和最小相关选择从洪峰模式序列集中筛选出预设数目的洪峰模式序列，作为洪峰参考集；最后利用DTW距离度量待查询流域与其他流域的洪峰参考集中洪峰模式序列之间的距离，判断时间序列相似性，得到在洪峰模式上与待查询流域相似度最高的流域。本发明通过数据挖掘实现中小流域相似性进行定量分析和判断，解决现有技术无法针对洪水特性实现流域量化分析的技术问题。

摘要：本发明公开了一种中小河流流域相似性判别方法，首先构造数据集聚类集体：选取特征指标构造特征子集，将特征子集输入基聚类算法得到聚类集体；然后构造聚类集体的相似度矩阵：构造所述聚类集体的相似度矩阵作为预设的聚类融合算法的输入矩阵；最后进行矩阵聚类融合：利用预设的聚类融合算法对所述相似度矩阵进行聚类融合，实现相似性判断，本发明充分利用中小流域的地理数据以及水文数据特征，并使用数据挖掘技术实现中小流域的相似性分析，解决水文流域相似性难以判断的技术问题。

摘要：本发明公开了一种基于封闭外壳片段立方体的水利普查数据挖掘方法，首先将高维数据分成低维片段，再计算各低维片段的封闭立方体；利用位图索引、倒排索引相结合，建立存储结构表，快速判断聚集单元的封闭性，用封闭查询位图来代替封闭单元进行存储，仅保留不重复的基本单元、封闭查询位图以及对应的TID‑List集合，在查询封闭外壳片段立方体时，利用查询位图和倒排索引进行查找，查找范围由原来的完全立方体所有数据单元缩小到所有基本单元，快速定位查询结果。本发明在保证查询效率的前提下，使高维数据立方体得到进一步压缩。

摘要：本发明公开一种基于ASCS的LSTM神经网络水文预测方法及系统，该方法包括：(1)采集一水系流域的流量雨量值及所述水系流域对应的雨量站一定时间段内的雨量，形成雨量样本数据，进而一定间隔年份的雨量样本数据形成雨量样本数据集，并对所述雨量样本数据集进行预处理；(2)采用ASCS算法对LSTM神经网络的学习率lr和隐含层节点数hidden_size参数进行寻优，同时利用雨量样本数据集对LSTM神经网络进行训练，最终得到ASCS_LSTM神经网络水文预测模型；(3)对所述ASCS_LSTM神经网络水文预测模型进行测试。本发明采用ASCS算法对LSTM模型的参数进行优化，利用最优参数得到的模型进行水文预测，准确度更高。

摘要：本发明涉及一种基于知识图谱表示学习的相似人物推荐方法，采用全新设计策略，包括社交用户信息处理、表示学习模型训练、实体关系向量中人物点向量的聚类索引、相似人物推荐，其中，采用TransD表示学习算法对知识图谱中全量实体、关系进行知识表示学习，更深层次挖掘图谱中隐含的语义信息；对于大规模的人物点向量，采用Annoy快速计算距离算法进行相似人物的聚类，由于实体关系向量考虑了图谱中的语义，为聚类提供了强有力的信息支撑；并且针对社交知识图谱增量更新情况，设计表示学习推荐算法进行周期性训练，保持推荐结果的鲜活性；整个设计方法能够有效提高人物相似度检测精度，获得更加准确的相似人物推荐效果。

摘要：本发明公开了一种基于知识图谱和文本分类模型的法律条文推荐方法，步骤包括：法律知识图谱构建、训练文本数据预处理、多标签分类模型训练、法律罪名要素识别、法律条文推荐。本发明采用知识图谱存储法律知识，可以详细展示各级罪名的关联，同时能够快速响应查询结果，能够方便的进行知识扩展和更新。采用TextCNN进行多标签文本分类，使用罪名作为分类标签，解决了罪名与法条不是一对一对应关系的问题。针对法律罪名信息的组合多样性，可以不断补充语料进行迭代，扩充法条推荐的广度。

摘要：本发明公开了一种基于知识图谱和主成分分析的群租房多维识别方法，包括以下步骤：步骤一：构建人房知识图谱；步骤二：基于主成分分析计算各判定指标的权重；步骤三：计算群租房判定阈值；步骤四：识别群租房。基于判定公式和判定阈值对待查房屋进行判定，若判定为群租房，则查询人房知识图谱挖掘出待查房屋的多维数据，作为判定的依据，保证了判定结果的可解释性。

摘要：本发明公开了一种基于因子分析和图聚类的IDMapping方法，本方法基于各种数据源，对数据进行两两关系提取，并选择时间跨度、采集时间、采集次数、数据来源可靠性和数据来源种类个数作为数据的特征维度并静进行归一化处理后，通过因子分析判断这些特征是否符合要求，最终对数据进行权重计算，最后通过图的聚类算法实现IDMapping。本发明针对各种来源的海量碎片化数据进行合并，提高数据质量，最终形成一条用户画像数据。

摘要：本发明公开了一种基于DA_FASTTEXT的文档分类方法，包括如下步骤：S1、邮件文档预处理；S2、通过DA算法对FASTTEXT进行参数寻优；S3、DA_FASTTEXT分类模型训练；S4、实时邮件分类，对邮件主题、邮件内容、附件标题和附件内容进行解析，并将解析后的内容分别进行jieba分词，按分词后的邮件主题、邮件内容、附件标题、附件内容顺序拼接后输入到DA_FASTTEXT模型中，获取当前邮件对应的类别信息返回给用户。该种基于DA_FASTTEXT的文档分类方法，采用FASTTEXT算法对邮件文档进行分类识别，提高模型识别的准确性和效率；对于FASTTEXT算法参数较多难以快速拟合问题，利用DA算法对参数进行寻优，得到最优的FASTTEXT分类模型。