本技术属于大模型保护数据的技术领域，更具体地，涉及基于马尔可夫决策过程的大语言模型多阶段隐私保护方法。所述方法包括系统建模，设计基于MDP的动态隐私保护模型MDP‑PPFC。所述模型包括系统状态和状态转换，在系统中引入纳什均衡的功能来分析模型中的收益函数，用户和系统可以找到保护隐私问题的权衡来最大化准确结果；系统分析，获取MoD数据效用测量和分析隐私损失；最优防御策略中的强化学习，修改SARSA强化学习算法以在提出的模型中获得零和多阶段博弈的独占纳什结果。本发明解决了各种局限性导致先前的研究无法全面揭示隐私保护过程中所面临的风险的问题。

 本文公开了一种基于多突触连接的脉冲神经元的网络模型训练方法和系统，本方法通过获取训练数据集，训练数据包括图像数据、音频数据和脑电信号数据中的任一种数据；构建用于同时编码输入信号的强度信息和时间信息的多突触连接的脉冲神经元，输入信号为输入多突触连接的脉冲神经元中的图像、音频或脑电信号；构建基于多突触连接的脉冲神经元的网络模型；构建多突触连接的脉冲神经元的目标梯度替代函数；基于目标梯度替代函数和训练数据集，通过反向传播的方式训练基于多突触连接的脉冲神经元的网络模型。本申请能够同时编码刺激的强度信息和时间信息，提高网络模型的分类精确度。

 本技术提供了一种基于人工智能技术的智慧社区治理机器人系统，属于智慧社区机器人技术领域，本发明系统包括:社区数据自动感知模块，用于社区数据的自动感知与收集，获取多模态数据；多模态数据集成管理模块，用于将采集的多模态数据进行集中管理和处理，得到单一信息流数据；可持续人工智能计算模块，用于对单一信息流数据进行智能计算和分析，识别社区服务需求，优化服务流程，输出社区服务需求的指令；社区治理服务功能模块，用于提供智能化服务；社区机器人任务执行模块，用于提供人机交互界面，并根据社区服务需求的指令，执行智能化服务。本发明解决了现有智慧社区治理机器人系统服务功能难以落地、居民参与度低以及智能化程度低的问题。

 本技术公开了一种基于多生命体征时序数据的健康状态预测方法，方法包括:获取多个不同模态的生命体征时序数据；将多个生命体征时序数据输入切片分块频域时间序列处理模块进行预处理，得到增强特征矩阵，预处理包括：对每个生命体征时序数据进行时间片段划分，得到多个片段数据，对每个片段数据进行特征提取，得到时域片段特征，对每个时域片段特征进行频域转换，得到频域片段特征，将频域片段特征转换回时间域，获得增强特征矩阵；将增强特征矩阵输入Transformer模块，得到健康状态预测结果，Transformer模块包括编码器模块、解码器模块和输出层模块。本发明能够提升模型在应对多模态和动态特征时的适应性与泛化性。

 本技术公开了一种基于多源数据和深度学习的滑坡易发性评估方法和系统，结合SBAS‑InSAR技术、遥感影像分析、深度学习算法、TRIGRS‑SCOOPS3D耦合模型与MASSFLOW模拟的滑坡易发性评估方法。该方法用于高精度的滑坡易发区识别、潜在滑坡位置预测及三维滑坡过程模拟，尤其适用于山区的滑坡灾害风险管理与应急响应。

 本技术提供了一种面向Grounding DINO的量化推理加速方法及系统，属于计算机网络信息技术领域，方法包括:将待量化Grounding DINO模型中Linear层替换为W4Linear层，并获取待量化Grounding DINO模型的权重和权重矩阵的形状；根据权重矩阵的形状动态调整分组大小，基于分组大小对权重进行量化；对量化后的权重进行压缩，将待检测数据输入量化压缩后的Grounding DINO模型，模型基于W4A32行乘行去量化矩阵乘法推理出结果；解决Grounding DINO模型在资源受限的设备上部署时不能使用仅权重分组量化的问题，以及模型无法直接应用低位矩阵乘法内核的问题。

 本技术涉及教学资源推荐技术领域，且公开了基于深度学习的教学资源个性化推荐系统及方法包括学员数据采集模块、学员数据评估模块和医疗教育资源推荐模块，学员数据采集模块包括学员空闲时间采集单元、学员专业数据采集单元、学员考核成绩采集单元和学员倾向数据采集单元。该系统通过采集学员上传的学员的专业名称和上一次考核成绩、学员对每一种教育资源的倾向数据，分别计算得到提升系数和学习策略系数，之后基于提升系数和学习策略系数对每一个学员每一段额定空闲时间进行教育资源的初步筛选，在初步筛选完成后，结合学员对每一种教育资源的倾向数据输出最终推荐结果，从而能够结合用户的当前的学习缺陷个性化推荐医疗教学资源。

 本技术公开一种基于属性感知的Web网页信息抽取方法及装置，属于网页信息抽取技术领域。包括:爬取给定目标网站的原始网页数据，将其保存下来作为模型的原始输入，在原始数据上对数据进行预处理，去除script等原始数据中无用的标签输入，减少输入模型的噪声信息；提取网页中的变量节点，构造输入模型的token序列和xpath序列，同时记录序列的位置信息，在预训练模型的基础上增加属性感知嵌入模块，使得预训练模型模型能够感知到性的模式信息，将输入信息的嵌入通过一个分类层，模型输出Web页面信息抽取的最终结果。该方法能够提高Web页面信息抽取的准确率，为下游任务提供丰富的结构化知识，促进下游任务的发展。

 本技术提供一种场景问答模型生成方法及装置，涉及人工智能技术领域。所述方法包括:获取各个预设性格类型对应的多个样本问答对；针对每个所述预设性格类型，使用所多个样本问答对训练基础模型，得到预设性格类型对应的性格模型；利用性格模型生成场景问题对应的场景答复，并基于场景答复获取所述性格模型的偏好分数；基于每个性格模型的偏好分数，将所有性格模型融合为指定场景下的目标问答模型。本发明融合得到的目标问答模型在回答指定场景中的问题时，可给出更加符合用户偏好的回答，可有效提升问答模型在指定场景中的对话自然度。

 本技术实施例中提供了一种社交媒体特征数据的预估方法、装置及电子设备，属于数据处理技术领域，该方法包括:对采集到的多个社交媒体数据进行数据清洗与格式化操作，得到标准数据；对构建的预测数据D={D1,D2,D3}按时间顺序整理，并将整理后的预测数据分割为训练集和测试集，使用训练集训练LSTM模型，通过调整权重和偏置项最小化预测误差，在训练完成后，将新的目标特征传播量数据输入LSTM模型，基于学习到的模式输出未来预设时间段内的目标特征传播量预测值D4；利用图表库生成目标特征传播量的趋势图、情感分析图和用户互动图。本发明提高了社交媒体特征数据预估的准确性。