-
公开(公告)号：CN116452787A
公开(公告)日：2023-07-18
申请号：CN202310696721.X
申请日：2023-06-13
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本发明提供了一种视觉驱动的虚拟角色处理系统，该系统包括非虚拟角色图像组列表A={A1，A2，……，Ai，……，Am}、虚拟角色图像组B、处理器和存储有计算机程序的存储器，i=1，2，……，m，m为非虚拟角色图像组数量，Ai为第i帧非虚拟角色图像组，还包括根据A获得的非虚拟姿态图像组C={C1，C2，……，Ci，……，Cm}和非虚拟面部图像组D={D1，D2，……，Di，……，Dm}，以及根据虚拟角色图像组B获得的虚拟角色的姿态图像Bb和虚拟角色的表情图像Bm，当所述计算机程序被处理器执行时，将Ci与Bb对齐，将Di与Bm对齐，提高了虚拟角色与非虚拟角色的吻合度。
-
公开(公告)号：CN116361469A
公开(公告)日：2023-06-30
申请号：CN202310347857.X
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
IPC: G06F16/35
Abstract: 本发明提供了一种基于预训练模型的话题生成方法，包括：获取待聚类文本中的每个文本的特征向量和关键词，每个文本包括h个关键词；利用设定聚类算法对待聚类文本进行聚类，得到多个话题；对多个话题进行清洗和合并处理，得到处理后的n个话题；对于n个话题中的任一话题，基于预训练生成模型生成对应的话题描述；输出n个话题的话题描述和对应的文本。本发明由于采用预训练生成模型生成话题描述，使得得到的话题描述通顺，可读性强，并且由于对话题进行了清洗和合并，使得聚类结果更加准确。
-
公开(公告)号：CN116049414B
公开(公告)日：2023-06-06
申请号：CN202310346367.8
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
Abstract: 本发明提供了一种基于话题描述的文本聚类方法、电子设备和存储介质，方法包括：首先对待聚类的每个文本生成一个话题描述，然后将该话题描述输入话题描述特征生成模型，提取话题描述的特征，作为当前文本的话题描述特征，基于该特征，对文本进行聚类，相较于直接使用原始文本提取的特征进行聚类，使用生成的话题描述特征进行聚类，减少了文本内容形式多样导致的噪声干扰，提高了聚类准确性。聚类后，基于文本和话题的特征向量之间的相似度以及文本和话题的话题描述特征向量之间的相似度，对聚类结果进行清洗和合并，最后得到聚类结果和每个话题的话题描述，能够使得聚类结果更加准确。
-
公开(公告)号：CN116166843A
公开(公告)日：2023-05-26
申请号：CN202310200445.3
申请日：2023-03-02
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/783 , G06F40/289 , G06F18/22
Abstract: 本公开涉及一种基于细粒度感知的文本视频跨模态检索方法和装置。所述方法包括：通过文本特征编码模型，对待匹配文本进行特征提取，获得所述待匹配文本的多个词语的文本特征向量集；通过视频特征编码模型，对待匹配视频进行特征提取，获得多个目标对象的目标特征向量集；通过跨模态匹配模型，确定目标特征向量集和文本特征向量集之间的相关性得分。根据本公开的实施例的基于细粒度感知的文本视频跨模态检索方法，可在检索任务中引入更细粒度的语义特征，并在模型训练中针对更细粒度的语义特征的识别和对比能力加以训练，使得模型能够对更细粒度的语义特征进行检索，可提升跨模态检索的准确性。
-
公开(公告)号：CN116049414A
公开(公告)日：2023-05-02
申请号：CN202310346367.8
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
Abstract: 本发明提供了一种基于话题描述的文本聚类方法、电子设备和存储介质，方法包括：首先对待聚类的每个文本生成一个话题描述，然后将该话题描述输入话题描述特征生成模型，提取话题描述的特征，作为当前文本的话题描述特征，基于该特征，对文本进行聚类，相较于直接使用原始文本提取的特征进行聚类，使用生成的话题描述特征进行聚类，减少了文本内容形式多样导致的噪声干扰，提高了聚类准确性。聚类后，基于文本和话题的特征向量之间的相似度以及文本和话题的话题描述特征向量之间的相似度，对聚类结果进行清洗和合并，最后得到聚类结果和每个话题的话题描述，能够使得聚类结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN115796389A
公开(公告)日：2023-03-14
申请号：CN202310045255.9
申请日：2023-01-30
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本公开涉及一种税收预测方法、装置、设备及计算机可读存储介质，该方法包括：获取目标税收主体的税收样本数据以及所述税收样本数据的演化模式标注结果；基于所述税收样本数据以及所述演化模式标注结果进行模型训练，得到训练好的税收演化模式匹配模型；将目标税收主体的历史税收数据输入所述税收演化模式匹配模型，得到所述目标税收主体的税收演化模式预测结果；基于所述税收演化模式预测结果，生成所述目标税收主体的衍生特征向量；将所述目标税收主体的衍生特征向量输入预先训练好的多模式税收预测模型，得到所述目标税收主体的税收预测结果。本公开通过为目标税收主体匹配最佳的税收演化模式，显著提升了预测的精准性。
-
公开(公告)号：CN115660796A
公开(公告)日：2023-01-31
申请号：CN202211577616.6
申请日：2022-12-09
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本公开涉及一种迁出风险企业的税源管理方法、装置、设备及存储介质，涉及数据分析技术领域，迁出风险企业的税源管理方法包括：获取目标企业的经营数据；对经营数据进行特征提取处理，得到目标企业与企业迁出行为相关的特征；将特征输入预设的企业迁出风险监控模型，基于企业迁出风险监控模型，对目标企业进行迁出风险检测。本公开实施例可以通过预设的企业迁出风险监控模型对存在迁出风险的企业进行精准稳定地的识别与预警，无需依靠人为经验，缩短企业迁出风险税前监控的时间，提高对重点税源流失预警响应的时效性和准确性。
-
公开(公告)号：CN115310000A
公开(公告)日：2022-11-08
申请号：CN202110432130.2
申请日：2021-04-21
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司 , 国科智安(北京)科技有限公司
IPC: G06F16/9536 , G06F16/955 , G06Q50/00
Abstract: 本发明提供了一种信息处理方法、处理装置、电子设备和可读存储介质，方法包括：获取文本数据，根据文本数据得到目标统一资源定位符；将文本数据输入至目标业务的分类模型，得到文本数据的目标业务相关度；确定目标统一资源定位符的热度值；根据热度值和文本数据的目标业务相关度，确定目标统一资源定位符的推荐指数；根据推荐指数，输出目标统一资源定位符，通过运行该方法，可以为文本数据中的抽取得到的目标统一资源定位符标注推荐指数，并根据推荐指数输出目标统一资源定位符，以实现信源的推荐。
-
公开(公告)号：CN114218381B
公开(公告)日：2022-08-30
申请号：CN202111493451.X
申请日：2021-12-08
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本公开涉及一种立场识别方法、装置、设备及介质。其中，立场识别方法包括：获取待识别的目标文本；对目标文本进行语义识别处理，得到目标文本的整体语义向量；基于预先定义的话题分类模板，对目标文本进行话题识别处理，得到目标文本的话题表示向量；基于整体语义向量和话题表示向量，对目标文本进行立场分类，得到目标文本对应的目标立场类别。根据本公开实施例，能够准确地识别出目标文本所涉及的话题表示向量，从而可以结合文本语义与文本话题对目标文本进行更准确的立场识别。
-
公开(公告)号：CN114265982B
公开(公告)日：2022-08-26
申请号：CN202111583634.0
申请日：2021-12-22
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/36 , G06F16/335 , G06F40/216 , G06N3/04
Abstract: 本发明涉及一种基于知识图谱的智能推荐方法，包括：A1、针对指定领域内待推荐信息的目标用户，获取目标用户的类型；A2、若目标用户的类型为活跃用户，则根据目标用户在第一预设时间段内的交互行为数据，基于知识图谱推荐内容方式和基于用户协同过滤推荐方式获取个性化的推荐结果；其中，知识图谱是预先构建的存储有指定领域内知识和实体之间关系的结构化的图谱信息；个性化的推荐结果包括：目标用户的最近邻用户对应的信息项和与目标用户的偏好实体匹配的信息项，本发明的方法可以有效解决现有推荐方法中存在的数据稀疏且关联性弱的问题，同时实现了快速精准推送文本信息，并做到千人千面的个性化推送。
-
-
-
-
-
-
-
-
-
Search Results
282
records
(took 0.072 seconds)
