-
公开(公告)号：CN116361509A
公开(公告)日：2023-06-30
申请号：CN202310217049.1
申请日：2023-03-02
Applicant: 新华融合媒体科技发展(北京)有限公司 , 北京中科闻歌科技股份有限公司
IPC: G06F16/75 , G06F16/735 , G06F16/783
Abstract: 本申请涉及视频分类技术领域，特别是涉及一种基于多模态特征的视频分类方法。所述方法包括以下步骤：S100，抽取目标视频vid的视频时序特征Fts；将Fts进行聚合得到Fv；S200，将vid转换为wav格式的音频数据aud；抽取aud的音频时序特征Fas；将Fas进行聚合得到Fa；S300，按照预设频次对vid进行视频帧图像抽取，得到视频帧图像集合img；提取img中的字幕文本信息textocr，并结合vid的文本标题texttitle获取vid的第三特征向量Ft；S400，将Fv、Fa和Ft输入到经训练的第一神经网络模型，得到对vid的一级标签分类结果。本发明实现了对短视频内容的准确分类。
-
公开(公告)号：CN116361468A
公开(公告)日：2023-06-30
申请号：CN202310347374.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: 本发明提供了一种事件脉络生成方法、电子设备和存储介质，方法包括：首先对接收到的文本进行文本编码，然后进行文本聚类，并进行话题清洗与合并，得到所有话题，然后对每个话题，进行事件拆分，得到每个事件，并对相似事件进行合并，然后基于文本相似度进行事件脉络生成，能够更好地划分话题或事件，使得生成的话题或事件更加准确。此外，本发明不需要人工干预，可自动对多篇新闻进行数据预处理，生成话题库和事件库，并根据发布时间，输出事件的事件脉络。
-
公开(公告)号：CN116206295A
公开(公告)日：2023-06-02
申请号：CN202310196542.X
申请日：2023-03-02
Applicant: 新华融合媒体科技发展(北京)有限公司 , 北京中科闻歌科技股份有限公司
IPC: G06V20/60 , G06V10/22 , G06V10/426 , G06V10/74 , G06F16/583 , G06V10/776 , G06V10/82
Abstract: 本申请涉及计算机视觉技术领域，特别是涉及一种LOGO识别系统。该系统包括存储器，所述存储器存储有LOGO数据库，所述LOGO数据库由至少两个LOGO子数据库组成，不同LOGO子数据库对应的LOGO宽高比例范围不同；每个LOGO子数据库存储有对应LOGO的特征向量，每个LOGO子数据库中LOGO对应的特征向量的存储位置标号与对应的LOGO面积占比正相关或负相关；所述系统还包括处理器和存储有计算机程序的存储介质，当所述计算机程序被处理器执行时，实现对应的LOGO识别方法。本发明能够快速识别出图像和视频数据中的LOGO。
-
公开(公告)号：CN115982395A
公开(公告)日：2023-04-18
申请号：CN202310267414.X
申请日：2023-03-20
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/45 , G06F18/2415 , G06F18/25 , G06F18/2135
Abstract: 本发明涉及多模态情感预测领域，特别是涉及一种基于量子的媒体信息的情感预测方法、介质及设备。包括如下步骤：对每一模态的表示信息进行预处理，生成每一模态的表示信息对应的复数词向量集A1及A2，对A1及A2进行特征转换处理，生成对应的特征密度矩阵集ρt及ρv；对ρt及ρv进行特征融合处理，生成融合特征fp；根据fp与多个预设情感类型的投影算子，生成fp为每一种预设情感类型的概率值。将P(e1)，P(e2)，…，P(ew)中最大值对应的情感类型，作为目标媒体信息的情感类型。通过利用量子理论的模型，可以更加有效的捕获不同模态之间的信息交互，进而可以提高对媒体信息所表达情绪的预测结果的精度。
-
公开(公告)号：CN115934752A
公开(公告)日：2023-04-07
申请号：CN202211585614.1
申请日：2022-12-09
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本发明提供了一种构建检索模型的方法、电子设备和存储介质，包括：获取目标文本的目标文本词向量，获取目标文本对应的候选代表词集合和候选随机词集合，将目标文本词集合与候选代表词集合和候选随机词集合分别进行拼接，输入到量子概率注意力值模型，获取对应的注意力值，将注意力值分别输入多层感知机，获取候选代表词为代表词的概率和候选随机词为代表词的概率，基于候选代表词为代表词的概率和候选随机词为代表词的概率，最小化两者的损失函数，获取目标检索模型；从而取得更好的检索效果。
-
Patent Agency Ranking
公开(公告)号：CN115713427A
公开(公告)日：2023-02-24
申请号：CN202211408253.3
申请日：2022-11-10
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06Q40/12
Abstract: 本公开涉及一种新迁入企业税前税源管理方法、装置、设备及存储介质。本公开实施例，通过获取新迁入企业的第一经营纳税数据以及与新迁入企业存在关联关系的其他企业的第二经营纳税数据；对第一经营纳税数据进行特征提取处理，得到新迁入企业的纳税异常特征向量；确定各关联关系对应的新迁入企业所属的企业社区以及社区特征向量；基于纳税异常特征向量和社区特征向量得到新迁入企业对应的税前监控特征向量；将税前监控特征向量输入预设的新迁入企业税前监控模型，基于企业税前监控模型对新迁入企业进行税前监控，可以在海量新迁入企业的税前税源管理中对异常新迁入企业进行精准稳定地的识别与预警，提高对异常税源预警响应的时效性和准确性。
-
公开(公告)号：CN115271892A
公开(公告)日：2022-11-01
申请号：CN202210547647.0
申请日：2022-05-18
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06Q40/00 , G06F16/2458 , G06F16/2457 , G06N3/04 , G06N3/08 , G06Q50/26
Abstract: 本公开实施例提供了一种骗取留抵退税识别模型的构建方法、装置、设备和存储介质。骗取留抵退税识别模型构建方法包括获取多个样本退税申请数据序列和对应的实体标签；基于样本退税申请数据序列确定对应的第一特征向量；基于多个第一特征向量和对应的实体标签对预先构建的骗取留抵退税识别模型进行训练。骗取留抵退税识别模型构建方法能够直接挖掘样本退税申请数据的特征构建骗取留抵退税识别模型，而无需如现有专家评价指标体系的方法需要依靠专家经验设定评价指标、指标权重和指标阈值的问题。
-
公开(公告)号：CN115248857A
公开(公告)日：2022-10-28
申请号：CN202211026146.4
申请日：2022-08-25
Applicant: 北京中科闻歌科技股份有限公司 , 航空工业信息中心 , 中国科学院自动化研究所
Abstract: 本公开涉及一种多语言观点摘要生成方法、装置、设备、系统及存储介质。该方法包括：获取待处理的多个目标文本；对多个目标文本进行跨语言文本表征处理，得到各个目标文本对应的多个通用表征向量；基于多个通用表征向量，提取各个目标文本中的至少一个观点句；基于观点句，生成多个目标文本对应的多个观点摘要。根据本公开实施例，无需依赖机器翻译工具对不同的语言对应的多媒体内容先进行翻译再生成观点摘要，对于海量的多语言目标文本，降低了观点摘要的生成成本，同时，生成的观点摘要不受机器翻译准确性的影响，因此，提高了多语言观点摘要生成的准确性，有利于推广应用。
-
公开(公告)号：CN114281944B
公开(公告)日：2022-08-23
申请号：CN202111619353.6
申请日：2021-12-27
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/33 , G06F40/289 , G06F16/242 , G06N3/08
Abstract: 本申请实施例提供一种文档匹配模型的构建方法、装置、电子设备及存储介质，其中，该方法包括：步骤一，获取查询词汇特征集合和文档特征集合；步骤二，获得查询词汇特征集合和文档特征集合的相关性特征值；步骤三，获得文档特征集合中每个文档特征与查询词汇特征集合的第一匹配值，选取第一匹配值最大的文档特征；步骤四，获得第二文档特征；步骤五，将候选文档特征集合作为新的候选文档特征集合，将第二文档特征作为新的第一文档特征，重复步骤四；步骤六，根据有序文档特征集合和文档特征集合获得损失函数，并根据损失函数构建匹配模型。实施本申请实施例，使得匹配模型可以引入认知层面的相关性特征，提高了匹配模型的准确率和检索性能。
-
公开(公告)号：CN114841353A
公开(公告)日：2022-08-02
申请号：CN202210460271.X
申请日：2022-04-28
Applicant: 天津大学 , 北京中科闻歌科技股份有限公司
IPC: G06N10/60 , G06F40/211 , G06F40/30
Abstract: 本发明公开了一种融合句法信息的量子语言模型建模方法，该方法从表示句子的量子系统入手，在模型中引入句法结构信息，以提高量子语言模型的建模能力，包括数据的预处理及句法结构生成模块、句法指导的单词表示模块、语义和语法信息融合的句子表达模块；所述数据的预处理及句法结构生成模块将句子处理成句法结构树的形式；句法指导的词向量表达模块利用每个句子的依存信息，训练单词的词向量表达；语义和语法信息融合的句子表达模块将上一步生成的词向量转换为密度矩阵，进一步得到句法指导的句子表达，以用于下游任务的训练；本发明基于句法结构树重构密度矩阵的生成与表达，利用依存关系建模了句子的词项依赖。
-
-
-
-
-
-
-
-
-
Search Results
285
records
(took 0.089 seconds)
