基于深度学习的资源损毁智能推荐算法

战场态势经常变化,资源损毁故障时有发生,需要提供替换建议。然而人工筛选效率低下,基于规则筛选制定规则难,规则繁杂,且样本扰动对规则影响大,针对上述需求和不足,本文基于深度学习算法构造了一套资源替换推荐算法。算法采用BERT和多层感知机的组合作为编码器,分别从实体名称、邻接关系、属性集合三个大方面进行了相似度的计算,最后使用多层感知机生成资源替换评分。在构造的战场资源知识图谱上的实验显示,所构造的算法能够实现93%的TOP1准确率以及99%的TOP10准确率,推理时间在毫秒级,满足了战场态势多变的情况下对资源推荐算法的准确率与运算时间的要求。

关于物联网大型公共服务平台的研究

站在产业的角度来看,尽管目前物联网市场很大,但由于市场碎片化和商业模式不明确,缺乏对各行业各地域物联网需求公共部分的分析、抽象和建设,以致面向中小企业提供的公共服务严重不足,从而难以整合物联网生态产业链的上下游资源。根据信息通信技术的发展趋势和移动互联网的演进方向,从产业推广和平台运营的角度,丰富和完善物联网大型公共服务平台这一关键基础平台的概念、功能和框架,必将促进物联网建设进入集中化、标准化、共享化、服务化的新阶段。