-
公开(公告)号：CN114297357A
公开(公告)日：2022-04-08
申请号：CN202111616638.4
申请日：2021-12-27
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/332 , G06F40/289 , G06F40/242 , G06N10/20
Abstract: 本申请实施例提供一种基于量子计算的问答模型构建方法、装置、电子设备及存储介质，其中，该方法包括：获取查询词汇向量集合和答案语句向量集合；根据查询词汇向量集合获得查询词汇向量集合中每个查询词汇向量的查询词汇向量密度矩阵，作为查询词汇向量密度矩阵集合；根据答案语句向量集合获得答案语句向量集合中每个答案语句向量的答案语句向量密度矩阵，作为答案语句向量密度矩阵集合；根据查询词汇向量密度矩阵集合和答案语句向量密度矩阵集合获得答案语句向量密度矩阵集合中全部答案语句向量密度矩阵的相关性分值和状态演化矩阵；根据相关性分值和状态演化矩阵构建问答模型。实施本申请实施例，提高了智能问答模型的准确率，方便使用。
-
公开(公告)号：CN113515648A
公开(公告)日：2021-10-19
申请号：CN202111070507.0
申请日：2021-09-13
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/45
Abstract: 本公开涉及一种内容聚类方法及系统。该方法包括：获取待聚类的多媒体内容集，待聚类的多媒体内容集包括第一多媒体内容集和第二多媒体内容集，根据第一多媒体内容集中第一多媒体内容的多媒体特征生成第一聚类簇，多媒体特征包括语义特征、实体特征以及词语特征中的至少两种，以第一聚类簇中的簇中心为聚类中心，对第二多媒体内容集中第二多媒体内容进行聚类，得到目标聚类簇。通过上述技术方案，实现了准确且快速的对多媒体内容进行聚类，以满足自然语言处理场景的实际聚类需求。
-
公开(公告)号：CN112329470A
公开(公告)日：2021-02-05
申请号：CN202011241374.4
申请日：2020-11-09
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 北京中科闻歌智安科技有限公司
IPC: G06F40/295 , G06F40/226 , G06N3/08
Abstract: 本申请提供了一种基于端到端模型训练的智能地址识别方法及装置，属于计算机技术领域。本申请通过获取训练数据集，所述训练数据集包括多个地址文本数据及每个所述地址文本数据对应的验证数据；针对每个地址文本数据，生成所述地址文本数据对应的字符嵌入向量序列；将所述字符嵌入向量序列输入至第一级子模型；将每一级子模型的输出数据与所述验证数据比较，得到多个误差；根据所述多个误差调整所述地址文本识别模型的参数，直至所述地址文本识别模型收敛时，训练结束。通过本申请，可以将多个级联的子模型产生的多个误差，作为依据以调整地址文本识别模型的参数，减少多个级联子模型的整体误差，避免了多个子模型之间的误差累积。
-
公开(公告)号：CN119782520A
公开(公告)日：2025-04-08
申请号：CN202411840116.6
申请日：2024-12-13
Applicant: 北京中科闻歌科技股份有限公司 , 中国科学院自动化研究所 , 航空工业信息中心
IPC: G06F16/34 , G06F16/355 , G06F16/3329 , G06F40/30 , G06N3/045 , G06F18/22
Abstract: 本发明提供了一种基于大语言模型的事件脉络生成方法、设备和介质，包括：事件信息输入及相关数据获取，数据清洗及相关性判断，大模型事件脉络生成，事件脉络清洗及梳理，事件脉络溯源信息溯源。本发明通过大语言模型生成及梳理事件脉络，可保障脉络的逻辑性，使用户更加清晰的浏览事件发生的前因后果。此外，通过使用大语言模型的通用理解能力，无需针对各个领域进行适配性工作。
-
公开(公告)号：CN115797715B
公开(公告)日：2023-06-23
申请号：CN202211583636.4
申请日：2022-12-09
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种量子视觉MLP处理系统及存储介质，所述系统包括n个量子视觉MLP处理模块、处理器和存储有一段计算机程序的存储器，所述量子视觉处理模块包括n个依次连接的量子视觉MLP处理单元，当所述处理器执行一段计算机程序时，实现如下步骤：获取目标图像对应的图像块初始特征向量，将图像块初始化特征向量输入量子视觉MLP处理模块，以获得该目标图像的最终图像聚合特征和最终图像块特征；本发明提出的量子视觉MLP处理系统，一方面使得图像块的特征充分考虑了其语义内容，更利于图像块的聚合，另一方面，其包含了较少的归纳偏差，具有较高的适应性。
-
Patent Agency Ranking
公开(公告)号：CN115526338B
公开(公告)日：2023-06-23
申请号：CN202211287916.0
申请日：2022-10-20
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06N20/00 , G06F16/33 , G06F16/338
Abstract: 本申请涉及信息检索领域，特别是涉及一种用于信息检索的强化学习模型构建方法，所述方法包括：S100，获取查询信息Q的特征编码q和候选文档集合中各候选文档的特征编码；S200，构建MDP模型，其中：MDP模型的初始状态s0＝[0，q]，MDP模型的智能体在初始状态下选择动作a0的概率分布为π(a0|s0；w)；S300，根据长期奖励对MDP模型进行模型训练。本发明提高了信息检索时文档排序的精确性。
-
公开(公告)号：CN115797715A
公开(公告)日：2023-03-14
申请号：CN202211583636.4
申请日：2022-12-09
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种量子视觉MLP处理系统及存储介质，所述系统包括n个量子视觉MLP处理模块、处理器和存储有一段计算机程序的存储器，所述量子视觉处理模块包括n个依次连接的量子视觉MLP处理单元，当所述处理器执行一段计算机程序时，实现如下步骤：获取目标图像对应的图像块初始特征向量，将图像块初始化特征向量输入量子视觉MLP处理模块，以获得该目标图像的最终图像聚合特征和最终图像块特征；本发明提出的量子视觉MLP处理系统，一方面使得图像块的特征充分考虑了其语义内容，更利于图像块的聚合，另一方面，其包含了较少的归纳偏差，具有较高的适应性。
-
公开(公告)号：CN114492420B
公开(公告)日：2022-07-29
申请号：CN202210340732.X
申请日：2022-04-02
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/284 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本公开涉及一种文本分类方法、装置、设备及计算机可读存储介质，该方法包括：对待分类的文本进行分词处理，得到文本中包含的词汇；从预设的语义库中查找词汇对应的语义，以及语义在语义库中的位置，得到语义的位置向量；响应于词汇对应的语义有多个，基于词汇在所述文本中的上下文，确定词汇对应的每个语义的权重；基于词汇对应的每个语义的权重，对词汇对应的多个语义的位置向量进行加权叠加处理，得到词汇的特征向量；基于文本中包含的词汇的特征向量，确定文本的特征向量；基于文本的特征向量对文本进行分类。通过上述技术方案，将文本转化到量子领域进行处理，减少计算成本的同时，提升了文本的分类准确率，提升用户的使用体验。
-
公开(公告)号：CN114281944A
公开(公告)日：2022-04-05
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：CN117113990A
公开(公告)日：2023-11-24
申请号：CN202311374453.6
申请日：2023-10-23
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/284 , G06F40/289 , G06F18/25
Abstract: 本发明涉及计算机技术应用领域，提供了一种面向大语言模型的词向量生成方法、电子设备及存储介质，包括：获取待分词的文本，作为目标文本；对目标文本进行分词处理，得到对应的分词集S；基于预设词向量基准表T，获取每个词在每个嵌入矩阵的特征向量；基于预设滑动窗口长度d，将S划分为多个语句片段，得到对应的语句片段集SP；对每个语句片段的特征向量进行融合，得到对应的特征向量；得到SP对应的特征向量F作为目标文本的特征向量。本发明在词向量生成过程中，将多个相邻的词组合视为一个词，能够使得分词的长度得到极大的压缩。此外，将不同词的特征向量通过张量积的方式组合成一个词的特征向量，可以极大的降低可训练参数量。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.063 seconds)
