一种基于专家知识的智能合约细粒度漏洞检测方法，其方法包括:S1：利用大语言模型，构造提示词，分析智能合约源代码，为智能合约数据集打标签；通过静态分析智能合约源代码语句，通过将源代码元素表示成向量获取源代码细粒度特征初步表示，并且通过将抽象语法树子树合并到控制流图节点的代码图，得到源代码的图表示；S2：获取同一智能合约的异构代码特征和源代码细粒度特征，输入到BGSCVul模型中进行迭代融合，构建深度学习分类器；S3：通过构造专家知识分类器，实现以针对特定专家知识做出决策；S4：使用压栈方法融合各个子分类器的输出，输出最终预测。
本发明公开了一种面向检索增强生成系统的错误定位方法、电子设备、介质，包括:获取检索增强生成系统的中间执行结果，包括：用户问题、原始检索相关文档、模型响应、标准答案；将原始检索相关文档插入第一提示词模板中，输入至第一大语言模型，提取原始检索事实三元组；将所有原始检索事实三元组插入第二提示词模板中，输入至第二大语言模型，判断所有原始检索事实三元组能否推导答案以回答用户问题；若能推导答案，则判定检索增强生成系统中的检索器正常；反之，则判定检索器异常；将用户问题、模型响应、标准答案、原始检索事实三元组输入至第三大语言模型中，判定模型响应的准确完整性，从而判断检索增强生成系统中的大语言模型是否异常。
本发明提供一种大气细颗粒物PM＆lt;subgt;2.5＆lt;/subgt;影响因子解析方法和装置，属于数据处理技术领域，方法包括:获取目标区域在目标时间段内的多源异构数据，多源异构数据包括大气细颗粒物PM＆lt;subgt;2.5＆lt;/subgt;浓度的空间分布数据、自然环境类数据和社会经济活动类数据；对多源异构数据进行预处理，得到预设时空分辨率的网格数据，网格数据包括PM＆lt;subgt;2.5＆lt;/subgt;浓度的网格数据和PM＆lt;subgt;2.5＆lt;/subgt;的各影响因子的网格数据；将PM＆lt;subgt;2.5＆lt;/subgt;浓度的网格数据和各影响因子的网格数据输入至预先训练的影响因子分析模型，得到影响因子分析模型输出的各影响因子的空间分布格局。本发明能够充分考虑多因素的非线性‑动态效应，对各影响因子进行定量解析，提高了PM＆lt;subgt;2.5＆lt;/subgt;影响因子解析的精准性。
本发明适用于近红外光谱建模分析领域，提供了一种近红外光谱建模的特征模式生成与协同优化方法，包括:获取样本近红外光谱数据并进行预处理操作，利用转换方法将一维近红外光谱数据转换为二维结构数据；在已有的二维结构数据的基础上，利用生成技术生成更多的二维结构数据；针对不同的特征模式，利用不同的神经网络进行深度特征的提取，并利用交叉自适应注意力机制与特征协同构建方法构建最佳最小特征模式集；根据最佳最小特征模式集搭建模型，使用协同优化损失函数对模型进行优化，最终实现对近红外光谱数据的高效建模和准确分析。本发明显著提高了近红外光谱建模在物质成分含量分析中的精确度。
本申请提供了一种基于模型微调技术的谐振变换器的阻抗在线辨识方法及装置，包括:根据输入串联输出并联型LLC变换器的结构推导理论阻抗模型，并构建BPNN网络；获取多工作点下的理论阻抗模型的理论参数数据，形成第一数据集，并根据第一数据集对BPNN网络进行训练，得到预训练模型；通过扫频法获取LLC变换器在多个工作点下的测量参考数据，形成第二数据集；根据第二数据集对预训练模型进行训练，得到在线阻抗辨识模型；向在线阻抗辨识模型输入待辨识工作点下的输入参数，得到输入串联输出并联型LLC变换器的等值阻抗幅值与相角。能够有效提高海底LLC变换器的阻抗辨识效率和准确性，便于在线分析系统稳定性。
本申请实施例提供了一种基于多目标优化的绿地中乔木配置方法及装置。该方法包括:重复执行如下步骤，以获得绿地的多个乔木配置方案：生成乔木组合，乔木组合包括多种乔木中每种乔木在不同年龄的个体；计算乔木组合中的所有个体在绿地的全生命周期内的碳汇量总和、养护成本总和及乔木垂直投影面积总和，获得三个目标值；若包括乔木垂直投影面积总和的面积相关参数满足预设的约束条件，将乔木组合确定为乔木配置方案，以碳汇量、养护成本及乔木垂直投影面积为优化目标，根据三个目标值进行多个乔木配置方案的多目标优化，获得优化后的乔木配置方案，使得优化后的乔木配置方案更符合绿地在碳汇量、养护成本及乔木垂直投影面积方面的布局需求。
本发明涉及自然语言处理技术领域，公开了一种多输入中文拼写纠错方法、系统、电子设备及介质，方法包括:获取不同类型的拼写纠错模型针对同一个待纠错句子输出的纠错结果；根据提示词模板和各个纠错结果组成的候选集合确定提示词；将提示词输入至大语言模型，确定输出结果；根据输出结果确定待纠错句子的正确中文拼写结果。本申请集合了多个不同类型的拼写纠错模型的纠错结果融入到提示词中，作为大语言模型的输入，提高了正确结果在集合中的召回率，另外，本申请通过特定的提示词模板，使得大语言模型不会直接生成纠错的句子，而是生成提示词模板对应的输出结果，从而有效避免大语言模型自由生成的纠错结果与原句存在较大的语义偏差。
本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下:提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
本申请公开了一种矿山地表沉降形变预测方法、装置、设备及介质，涉及矿山地表沉降形变预测领域，该方法包括:获取采矿区历史时间段的监测数据；根据历史时间段的监测数据计算历史时间段的相对位移数据；利用最佳降噪算法，对历史时间段的相对位移数据进行处理，得到历史时间段的降噪数据；最佳降噪算法为L2正则化方法；将历史时间段的降噪数据输入至最佳预测模型中，得到未来时间段的地表沉降形变预测数据；最佳预测模型为基于粒子群优化的BP神经网络预测模型，本申请提高了地表沉降形变预测的效率和精度。
本发明提供一种基于变分自监督编码与动态伪重叠判定的跨域推荐方法，本发明设计了变分自监督编码模块优化边缘用户、项目特征表示，并采用最大化互信息策略对不同的边缘用户、项目特征表示进行区分，有效缓解边缘用户信息不足问题，从而减少源域与目标域间数据稀疏性差异，缓解负迁移问题；其次，针对用户部分重叠推荐场景，在动态伪重叠判定模块中，提出动态伪重叠判定机制，对两域重叠用户与非重叠用户聚类获取伪重叠用户集，能够最大化重叠用户面积，有效连接源域与目标域，从而提升跨域推荐性能，最后，在特征重构与推荐模块中，能够输出更加准确的源域、目标域的预测交互评分，最终实现跨域推荐。