-
公开(公告)号：CN116561275A
公开(公告)日：2023-08-08
申请号：CN202310506303.X
申请日：2023-05-05
Applicant: 科大讯飞股份有限公司
IPC: G06F16/332 , G06F16/34 , G06F3/0483
Abstract: 本申请实施例公开了一种对象理解方法、装置、设备及存储介质，对文献进行解析，得到文献中的结构化对象或结构化对象的表示信息；结构化对象包括如下至少一种：公式、表格、图像；获得针对第一结构化对象的用户提问；基于第一结构化对象或第一结构化对象的表示信息，以及用户提问，得到第一结构化对象的解释信息；输出解释信息。基于本申请，只要获得用户输入文献以及针对文献中的第一结构化对象(公式、表格或图像)的提问，即可自动生成并输出第一结构化对象的解释信息，实现了对文献中的公式、表格或图像的智能理解，从而帮助阅读者快速理解文献中的公式、图像或表格。
-
公开(公告)号：CN113157880B
公开(公告)日：2023-01-17
申请号：CN202110319845.7
申请日：2021-03-25
Applicant: 科大讯飞股份有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/383 , G06F40/126 , G06F40/30 , G06Q50/18
Abstract: 本申请提供了一种要素内容获取方法、装置、设备及存储介质，其中，方法包括：获取目标案情文本；基于目标案情文本确定目标要素，并基于目标案情文本和目标要素确定目标要素对应的要素表示向量，其中，目标要素对应的要素表示向量用于表征目标要素在目标案情文本中的语义；基于目标案情文本和目标要素对应的要素表示向量，获取目标要素对应的要素内容。本申请提供的要素内容获取方法可根据目标案情文本自动确定出目标要素，并可根据目标案情文本和目标要素对应的要素表示向量自动确定出目标要素对应的要素内容。
-
公开(公告)号：CN115169297A
公开(公告)日：2022-10-11
申请号：CN202210709307.3
申请日：2022-06-21
Applicant: 河北省讯飞人工智能研究院 , 科大讯飞股份有限公司 , 科大讯飞(北京)有限公司
IPC: G06F40/166 , G06F40/289 , G06F40/30
Abstract: 本发明提供一种文本改写方法、装置、电子设备和存储介质，所述方法包括：获取第一文本；将目标改写等级以及第一文本输入至文本改写模型，得到文本改写模型输出的与目标改写等级对应的第二文本；文本改写模型基于第一样本文本、第二样本文本以及样本改写等级训练得到，样本改写等级基于第一样本文本与第二样本文本之间的字符相似度确定。本发明提供的文本改写方法、装置、电子设备和存储介质，基于第一样本文本、第二样本文本以及样本改写等级训练得到文本改写模型，使得文本改写模型能够根据不同目标改写等级对第一文本进行文本改写，得到与不同目标改写等级对应的第二文本，实现能够根据不同场景需求灵活变更改写文本。
-
公开(公告)号：CN110008327A
公开(公告)日：2019-07-12
申请号：CN201910257194.6
申请日：2019-04-01
Applicant: 河北省讯飞人工智能研究院 , 科大讯飞股份有限公司 , 中科讯飞互联(北京)信息科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F17/27 , G06Q50/18
Abstract: 本发明实施例提供一种法律回答生成方法及装置，属于自然语言处理技术领域。包括：获取问题数据，问题数据与法律咨询相关；将问题数据输入至强化学习模型中，输出回答数据。由于强化学习模型是基于初始模型训练得到的，而初始模型的类型为编解码模型，而不是基于历史信息检索，从而不需要依赖于历史的法律问答数据，可以针对法律提问创造出新的回答数据。因此，能够提供覆盖范围较广的回答。其次，由于初始模型的类型为编解码模型，从而不需要以三元组的形式表示训练数据，进而经初始模型训练得到的强化学习模型更适用于法律提问的回答。
-
公开(公告)号：CN119415622A
公开(公告)日：2025-02-11
申请号：CN202411447116.X
申请日：2024-10-16
Applicant: 科大讯飞股份有限公司 , 科大讯飞(北京)有限公司 , 河北省讯飞人工智能研究院
IPC: G06F16/33
Abstract: 本申请公开了一种检索方法及相关装置、电子设备和存储介质，其中，检索方法包括：解析检索需求描述语句，得到若干检索维度的检索需求描述子句；其中，若干检索维度至少包括检索主题；基于检索主题的检索需求描述子句，检索得到若干候选篇章；至少基于若干检索维度的检索需求描述子句及各个候选篇章的篇章标题和篇章正文，构造第一提示；发送第一提示至第一大模型，以获取第一大模型对各个候选篇章的分析结果；其中，分析结果至少包括是否通过筛选。上述方案，能够提升检索精度。
-
Patent Agency Ranking
公开(公告)号：CN117473077A
公开(公告)日：2024-01-30
申请号：CN202310460570.8
申请日：2023-04-25
Applicant: 科大讯飞股份有限公司
IPC: G06F16/34 , G06F9/451 , G06F3/0482
Abstract: 本申请公开了一种文本生成方法、装置、移动终端和计算机可读存储介质，该方法包括：获取用户输入的第一需求；响应于未触发文本生成条件，生成引导用户明确文本生成需求的引导文本，并在引导文本下重新执行获取用户输入的第一需求的步骤；响应于触发文本生成条件，生成与所有轮次的第一需求相匹配的目标文本。上述方案，能够提高生成的文本与用户需求的契合度。
-
公开(公告)号：CN117150332A
公开(公告)日：2023-12-01
申请号：CN202311139259.X
申请日：2023-09-05
Applicant: 河北省讯飞人工智能研究院 , 科大讯飞股份有限公司 , 科大讯飞(北京)有限公司
IPC: G06F18/23213 , G06F18/231 , G06F18/24
Abstract: 本申请实施例公开了一种文本处理方法、装置、设备及存储介质，获得n个文本中各个文本的主题信息；对应获得的n个主题信息的n个可能的分类数中的任一大于1且小于n的分类数k，对n个主题信息进行1次或多次聚类处理，得到分类数k对应的1个或多个聚类结果；其中，多次聚类处理采用了至少两种相似度度量方法和/或采用了从n个主题信息中选择k个主题信息作为k个初始聚类中心的多个可能结果，不同次聚类使用不同的相似度度量方法衡量主题信息间的相似度和/或不同次聚类作为k个初始聚类中心的主题信息不同；基于得到的n个分类数对应的所有聚类结果确定n个主题信息的目标聚类结果。本申请提高了文本数量较小情况下的聚类效果。
-
公开(公告)号：CN116127012A
公开(公告)日：2023-05-16
申请号：CN202211551967.X
申请日：2022-12-05
Applicant: 河北省讯飞人工智能研究院 , 科大讯飞股份有限公司 , 科大讯飞(北京)有限公司
IPC: G06F16/33 , G06F40/284 , G06F40/242 , G06F40/30
Abstract: 本发明涉及自然语言处理技术领域，提供一种词语推荐方法、装置、电子设备及存储介质，该方法首先获取待查询释义；然后基于反向词典模型，从候选词表中选取待查询释义对应的目标词语；最后基于目标词语，确定推荐结果。该方法利用多任务学习得到的反向词典模型对词语以及词语的词性进行预测，考虑了词语的词性，并不仅仅依赖于词库中释义的质量以及用户输入的待查询释义的质量，可以保证推荐结果的准确性，提高推荐结果的质量，进而提高用户体验感。词性的引入，可以辅助减少预测空间，对推荐结果起到约束作用，使得推荐结果更加可靠，减少了易混淆词语的干扰，避免出现推荐结果与用户输入的待查询释义相差较大的情况。
-
公开(公告)号：CN112580310B
公开(公告)日：2023-04-18
申请号：CN202011582902.2
申请日：2020-12-28
Applicant: 河北省讯飞人工智能研究院 , 科大讯飞(北京)有限公司 , 科大讯飞股份有限公司
IPC: G06F40/166 , G06F40/289 , G06F40/117 , G06N3/045 , G06N3/08
Abstract: 本申请提供一种缺失字/词的补全方法，该方法包括用语言模型识别缺失句中缺失位置，其中语言模型为以伪数据作为输入而进行预训练所得到的模型，缺失句表征存在成分缺失错误的语句；用语言模型生成缺失位置处所缺失的多个候选字/词；对多个候选字/词进行排序，以确定缺失位置处所缺失的缺失字/词。本申请还提供相应的电子设备。通过上述方法，本申请能实现更加快速准确地对文本中字、词缺失问题进行纠正补全。
-
公开(公告)号：CN115099222A
公开(公告)日：2022-09-23
申请号：CN202210474457.0
申请日：2022-04-29
Applicant: 河北省讯飞人工智能研究院 , 科大讯飞股份有限公司 , 中科讯飞互联(北京)信息科技有限公司
IPC: G06F40/226 , G06F40/216 , G06F40/232 , G06F16/35 , G06N3/08
Abstract: 本申请公开了一种标点符号误用检测纠正方法、装置、设备及存储介质，该方法包括以下步骤：将获取的待检测文本输入到已训练的纠错模型中进行第一检测，以获得多个位置的第一预测纠正结果，第一预测纠正结果中包括对每一位置预测执行的修改操作类型、每一位置对应的预测纠正后的标点符号类型；基于每一位置预测执行的修改操作类型，确定每一位置所应执行的第二检测的检测方式；基于确定的检测方式进行第二检测，以获得每一位置的第二预测纠正结果；基于每一位置对应的第一预测纠正结果和/或第二预测纠正结果，确定每一位置的目标纠正结果。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.027 seconds)
