-
公开(公告)号：CN116841299A
公开(公告)日：2023-10-03
申请号：CN202311116449.X
申请日：2023-08-31
Applicant: 之江实验室
IPC: G05D1/02
Abstract: 本说明书公开了一种导览机器人的自主巡游控制方法及装置，可以获取实时的视觉数据，并根据该视觉数据，确定各用户的位姿信息，而后，根据该位姿信息以及机器人当前的任务状态信息，判断机器人是否处于闲暇状态。若该机器人处于闲暇状态，则可以判断机器人的电量是否能够满足执行巡游任务，若是，根据位姿信息，确定各展点对应的感兴趣程度，并确定机器人到达各展点的最短路径。最后，根据各展点对应的感兴趣程度以及机器人到达各展点的最短路径，通过预设的推理决策模型，得到输出结果，并根据该输出结果，对该机器人进行控制，以执行自主巡游任务，从而提高了用户的业务执行效率。
-
公开(公告)号：CN116562303A
公开(公告)日：2023-08-08
申请号：CN202310810661.X
申请日：2023-07-04
Applicant: 之江实验室
IPC: G06F40/30 , G06F18/214 , G06F18/24 , G06N3/0499
Abstract: 本发明公开了一种参考外部知识的指代消解方法及装置，该方法首先输入句子训练提及识别模型，该模型标记出句子中的提及；输入指定两个或三个提及的句子拼接上提及对应的知识，训练关系分类模型判断指定提及中是否有共指关系，并标记出存在共指关系的提及。训练好模型后用于指代消解。本发明方法在参考外部知识进行指代消解的过程中，考虑了句子整体的语义信息。关系分类模型训练过程中，训练模型判断提及间是否存在共指关系，以及训练模型标记出存在共指关系的提及，并且输入有指代三个提及时，这种训练方法使得模型对提及和共指关系的理解更深刻，使模型有更强的指代消解能力。
-
公开(公告)号：CN119847532A
公开(公告)日：2025-04-18
申请号：CN202510321770.4
申请日：2025-03-18
Applicant: 之江实验室
Abstract: 本申请公开了一种代码生成方法、装置、介质及设备，在接收到包含有用于描述待生成的代码在设定领域中所能实现功能信息的用户指令后，基于用户指令确定生成用户所需代码的各拆解步骤，并基于各拆解步骤从设定领域API库中确定与该用户指令相匹配的候选API的API列表，将API列表中的API与用户指令输入到大语言模型，使得大语言模型生成代码，通过解析生成的代码获得解析出的API，将其与API库中的API比对，更新API列表，以迭代生成代码，将执行代码时出现的错误信息反馈给大语言模型，并根据不同错误类型执行专项检索，以更新API列表，本申请显著增强领域代码生成的可靠性和准确率，为从业人员提供更高质量的编程支持。
-
公开(公告)号：CN116795972B
公开(公告)日：2024-01-09
申请号：CN202311010097.X
申请日：2023-08-11
Applicant: 之江实验室
IPC: G06F16/332 , G06F40/211 , G06F40/289 , G06F18/214 , G06F40/30 , G06F18/25 , G06N3/0499 , G06N3/084
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，将若干个独立表达句输入该模型的生成器，以得到融合句，并将该融合句加入训练数据集，将该训练数据集中的待判别句输入该模型的来源判别器，以确定待判别句是否为原始句的判别结果，根据该判别结果分别确定该来源判别器的来源判别损失及生成器的来源生成损失，根据该来源生成损失及该来源判别损失，对该模型进行训练，其中，该模型的生成器用于将回复用户的若干独立表达句进行融合。本方法通过对模型中的生成器和来源判别器进行对抗训练，以使生成器生成接近原始句的融合句，获得语序正常、内容衔接自然不生硬的句子，(56)对比文件Jiaxian Guo.Long Text Generation viaAdversarial Training with LeakedInformation.arXiv.2017,第1-14页.
-
公开(公告)号：CN116561339A
公开(公告)日：2023-08-08
申请号：CN202310522687.4
申请日：2023-05-10
Applicant: 之江实验室
IPC: G06F16/36 , G06F16/332 , G06F40/295 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种知识图谱实体链接方法、装置、计算机设备及存储介质，该方法包括：基于问题样本、实体提及样本、知识图谱实体正样本和知识图谱实体邻接子图样本，获取训练数据正样本；基于问题样本、实体提及样本、知识图谱实体负样本和对应的知识图谱实体邻接子图样本，获取训练数据负样本；基于训练数据正样本、训练数据负样本对实体链接初始模型进行训练，得到实体链接模型；将用户问题、实体提及、候选知识图谱实体和对应的知识图谱实体邻接子图输入训练完成的实体链接模型，确定与实体提及链接的目标知识图谱实体，解决了相关技术中存在的问答场景中实体一致性模型效果不佳，实体链接准确性较低的问题。
-
Patent Agency Ranking
公开(公告)号：CN116127952A
公开(公告)日：2023-05-16
申请号：CN202310088091.8
申请日：2023-01-16
Applicant: 之江实验室
IPC: G06F40/232 , G06F40/126 , G06F18/25 , G06F16/332 , G06F40/216 , G06F16/35 , G06F40/169 , G06F18/22
Abstract: 一种多粒度中文文本纠错方法，包括：对待纠错的中文文本进行预处理；构建名词知识库和文本纠错训练语料；使用预训练语言模型对输入待纠错的文本进行向量编码，并融合文本的语音信息，得到字符向量序列；基于神经网络检测文本中的字粒度和词粒度错误，得到错误字集合和错误词集合；对检测得到的字粒度和词粒度的错误分别进行纠正，得到字、词粒度错误的候选替换字、词；使用多任务学习的方式联合训练整个模型；将字、词粒度纠正结果进行融合，得到纠错后的文本。本发明还包括一种多粒度中文文本纠错装置。本发明可以有效地对文本中的多粒度(字粒度和词粒度)错误进行纠错，并采用多任务学习的方式训练整个模型，具有很好的纠错准确性和实用性。
-
公开(公告)号：CN117573849B
公开(公告)日：2024-04-19
申请号：CN202410062653.6
申请日：2024-01-16
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/36 , G06F16/33
Abstract: 本说明书公开了一种知识图谱多跳问答方法、装置、设备及存储介质，预先确定目标图谱中各节点分别对应的节点特征和关系特征，在确定出查询语句后，确定查询语句中的目标实体对应的目标节点，进而根据该目标节点和该待查询语句的语句特征，预测查询结果和该目标节点之间的关联关系，即，预测路径，进而基于预测路径和目标节点得到查询结果。本方法在面对多跳问答问题的情况下，可基于目标节点和该待查询语句的语句特征，预测查询结果和该目标节点之间的关联关系，进而根据预测得到的关联关系来确定查询结果，保证了查询结果的准确性。
-
公开(公告)号：CN117573849A
公开(公告)日：2024-02-20
申请号：CN202410062653.6
申请日：2024-01-16
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/36 , G06F16/33
Abstract: 本说明书公开了一种知识图谱多跳问答方法、装置、设备及存储介质，预先确定目标图谱中各节点分别对应的节点特征和关系特征，在确定出查询语句后，确定查询语句中的目标实体对应的目标节点，进而根据该目标节点和该待查询语句的语句特征，预测查询结果和该目标节点之间的关联关系，即，预测路径，进而基于预测路径和目标节点得到查询结果。本方法在面对多跳问答问题的情况下，可基于目标节点和该待查询语句的语句特征，预测查询结果和该目标节点之间的关联关系，进而根据预测得到的关联关系来确定查询结果，保证了查询结果的准确性。
-
-
公开(公告)号：CN116136957B
公开(公告)日：2023-07-07
申请号：CN202310410370.1
申请日：2023-04-18
Applicant: 之江实验室
IPC: G06F40/232 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了一种基于意图一致性的文本纠错方法、装置和介质，该方法包括：收集原始纠错数据进行预处理和标注，构建文本纠错模型的纠错数据集；构建基于神经网络的文本纠错模型，将待纠错文本输入至文本纠错模型输出第一字符概率分布；使用第一字符概率分布及其对应的真实标签计算纠错损失值作为第一损失值；使用第一字符概率分布计算基于意图一致性得分的纠错损失值作为第二损失值；基于第一损失值和第二损失值，以两阶段训练的方式训练文本纠错模型，以获取训练好的最终的文本纠错模型；将待纠错文本输入训练得到的文本纠错模型进行纠错，输出纠错后文本。本发明可以有效地降低文本纠错模型的误纠率，提高纠错准确率，具有很强的实用性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.025 seconds)
