【技术实现步骤摘要】
本申请涉及信息复用的，尤其是涉及一种基于深度学习的信息复用方法及系统。
技术介绍
1、危险与可操作性分析（hazop）作为一种广为应用的方法论，旨在深入识别并精确评估潜在的作业风险，进而提出切实有效的安全措施，以显著降低事故发生的概率。这一流程依托于跨领域团队的合作，该团队融合了工程、操作及安全领域的资深专家。他们巧妙运用一系列预设的引导词（诸如“增加”、“减少”、“缺失”、“反向”等），对工艺流程及操作中的潜在偏差进行全面而系统的审视，进而分析偏差的根源、预测其可能导致的后果，并策划相应的缓解策略。
2、hazop分析报告是这一过程的核心成果，它不仅详尽地记录了分析过程中揭露的所有潜在风险点，还提出了针对性的安全措施，并预估了这些安全措施实施后可能达到的风险缓解效果。现有的hazop分析专业软件能够在一定程度上实现资源的共享，起到辅助分析的作用，然而该方法形成的专家知识库一般只是将hazop信息“堆砌”式存储在数据库中，没有建立起知识之间的联系，存在大量数据冗余，大量重复的hazop知识查询结果中筛选目标知识，浪费hazo...
【技术保护点】
1.一种基于深度学习的信息复用方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的信息复用方法，其特征在于，在执行第一采集步骤之后，执行第一提取步骤之前，还包括：
3.根据权利要求2所述的基于深度学习的信息复用方法，其特征在于，在执行提取向量步骤之后，执行第二判断步骤之前，还包括：
4.根据权利要求3所述的基于深度学习的信息复用方法，其特征在于，在降维步骤中，依据第一维度和第二维度，对深层语义特征向量或关键字特征向量降维。
5.根据权利要求4所述的基于深度学习的信息复用方法，其特征在于，在执行第二建模步骤之后...
【技术特征摘要】
1.一种基于深度学习的信息复用方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的信息复用方法，其特征在于，在执行第一采集步骤之后，执行第一提取步骤之前，还包括：
3.根据权利要求2所述的基于深度学习的信息复用方法，其特征在于，在执行提取向量步骤之后，执行第二判断步骤之前，还包括：
4.根据权利要求3所述的基于深度学习的信息复用方法，其特征在于，在降维步骤中，依据第一维度和第二维度，对深层语义特征向量或关键字特征向量降维。
5.根据权利要求4所述的基于深度学习的信息复用方法，其特征在于，在执行第二建模步骤之后，执行第二提取步骤之前，还包括：
6.根据权利要求1-5任一项所述的基...
【专利技术属性】
技术研发人员：路笃辉，王目凯，侯令玮，李兵，吕鸿刚，
申请(专利权)人：中国特种设备检测研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。