-
公开(公告)号：CN117079480B
公开(公告)日：2024-01-09
申请号：CN202311328296.5
申请日：2023-10-13
Applicant: 之江实验室
Abstract: 本说明书公开了一种快速路上匝道交通信号灯的控制方法及装置，由于本说明书提供的快速路上匝道交通信号灯的控制方法是基于真实的交通状态数据来确定的，并且，通过构建出的交通状态变化因果图，明确确定出除上匝道以外的会对目标主干道的上游路段拥堵产生影响的混淆因子，以此来准确的确定出触发目标主干道的上游路段拥堵时目标主干道的上匝道处的临界车流量，从而通过这一临界车流量，可以对交通信号灯进行有效控制，使得目标主干道的上匝道的车流量维持在该临界车流量以下，以保证目标主干道的上游路段尽可能的不会出现拥堵情况，进而保证了交通的正常运行。
-
公开(公告)号：CN117252153A
公开(公告)日：2023-12-19
申请号：CN202311532530.6
申请日：2023-11-17
Applicant: 之江实验室
IPC: G06F40/109 , G06F40/166 , G06F40/205
Abstract: 本发明涉及一种用于大语言模型的富文本数据处理方法、设备、存储介质，方法包括如下步骤：获取富文本数据，通过解析和/或识别得到文本数据及其对应的坐标；基于字体大小对所述文本数据对应的坐标进行单位化处理；以空格为元素构建字符矩阵，基于单位化处理后的坐标，将所述文本数据填充至所述字符矩阵的对应位置；将所述字符矩阵转换为包含空间信息的最终文本，作为大语言模型的输入。与现有技术相比，本发明整个处理过程类似于将整个富文本进行栅格化处理，可以对多种文档类型进行处理的同时，保留了原始富文本中的空间信息。
-
公开(公告)号：CN117076650A
公开(公告)日：2023-11-17
申请号：CN202311328288.0
申请日：2023-10-13
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06N5/022 , G06N5/04
Abstract: 在本说明书提供的基于大语言模型的智能对话方法，根据用户输入的第一文本的分类结果，确定不同的对话方法，当用户输入的第一文本为非知识类文本时，将第一文本输入第三方大语言模型确定返回用户的目标文本。当用户输入的第一文本为知识类文本时，对第一文本进行本地搜索和线上搜索，再将第一文本和所有的搜索结果输入本地大语言模型，确定返回用户的目标文本，若不存在关联度大于预设值的检索结果，则将第一文本输入第三方大语言模型，将第三方大语言模型的输出结果作为返回用户的目标文本。通过在系统中融合若干个本地模型，减少了对第三方大语言模型的调用，降低了智能对话系统的使用成本的同时，也降低了智能对话过程的时延。
-
公开(公告)号：CN116860977A
公开(公告)日：2023-10-10
申请号：CN202311053620.7
申请日：2023-08-21
Applicant: 之江实验室
IPC: G06F16/35 , G06F16/34 , G06F18/2433 , G06F18/2135 , G06F18/2323
Abstract: 本发明公开了一种面向矛盾纠纷调解的异常检测系统及方法，包括：数据获取模块，获取原始表格数据；数据清洗模块，清洗数据获取有效数据；时序异常检测模块，从有效数据构建时序数据，对时序数据进行线性插值，并对其进行异常检测，得到异常时间段；主题聚类模块：从事项文本获取有效词向量，输入至文本聚类模型，提取事项的主题聚类结果；异常分析模块：对比异常时段与正常时段中事项主题分布的差异，进一步提取聚类主题，提取各聚类主题的关键词和摘要。本发明能够有效感知和汇聚近期异常的矛盾纠纷事件，为管理者提供异常报告，能够以数据驱动的方式提前感知问题，介入纠纷，避免纠纷的扩大和矛盾的深化，提高社会治理的智能化水平。
-
公开(公告)号：CN116089414A
公开(公告)日：2023-05-09
申请号：CN202310372120.3
申请日：2023-04-10
Applicant: 之江实验室
IPC: G06F16/215 , G06F16/22 , G06F16/27
Abstract: 本发明公开了一种基于海量数据场景的时序数据库写入性能优化方法及装置，该方法包括：首先基于Apache Calcite将数据库读写请求对应的读写线程池分离，并建立独立的写任务线程池；然后通过哈希策略对写任务线程池中的写任务进行分片，并根据负载值对分片任务进行调度，以将写任务的数据写入集群中的节点；最后根据节点的写任务获取写入请求，为该写入请求分配内存数组，并基于海量时间线对写任务所需的内存进行动态分配，对写任务的数据进行刷盘。本发明能够缓解时序数据库写多读少场景下写线程被读线程阻塞的情形，本发明具有更好的集群负载均衡效果，增强了任务的并发度，有利于减少海量数据写入时的刷盘频率，提升写入效率。
-
Patent Agency Ranking
公开(公告)号：CN118709692A
公开(公告)日：2024-09-27
申请号：CN202410862829.6
申请日：2024-06-28
Applicant: 之江实验室
IPC: G06F40/295 , G06F16/332 , G06F16/33 , G06N3/0455
Abstract: 本说明书公开了一种业务执行的方法、装置、存储介质及电子设备。其中，首先获取待命名实体对应的原始名称信息，将预设的目标实体库中包含的至少部分实体对应的名称信息以及待命名实体的原始名称信息输入到预设的大语言模型中，以使大语言模型根据目标实体库中包含的至少部分实体对应的名称信息，确定目标实体库对应的实体命名规则，并根据实体命名规则，确定出待命名实体在目标实体库的实体命名规则下的名称信息，作为待命名实体对应的目标名称信息，根据待命名实体对应的目标名称信息，执行业务。
-
公开(公告)号：CN117371399A
公开(公告)日：2024-01-09
申请号：CN202311373604.6
申请日：2023-10-23
Applicant: 之江实验室
IPC: G06F40/117 , G06F40/194 , G06F40/242 , G06F18/24 , G06F16/335 , G06F16/36 , G06F16/903
Abstract: 本发明涉及一种基于大语言模型的智能警情打标方法、装置及介质，其中方法包括以下步骤：获取警情反馈文本；构建层次分类模型，以警情反馈文本作为输入，输出多层次警情标签结果；将多层次警情标签和警情反馈文本与警情常识规则库进行碰撞比对，如果比对成功，则返回所有命中的规则，并构建映射字典获取多层次警情标签结果的关联标签，组成备选标签，将警情反馈文本、命中规则和备选标签输入大语言模型，对模型的输出进行后处理得到警情标签预测结果，存入警情打标结果表；如果比对失败，则将多层次警情标签结果作为最终打标结果，存入警情打标结果表。与现有技术相比，本发明具有预测精度高、打标效率高等优点。
-
公开(公告)号：CN117171346A
公开(公告)日：2023-12-05
申请号：CN202311153257.6
申请日：2023-09-07
Applicant: 之江实验室
IPC: G06F16/35 , G06F16/33 , G06F40/295 , G06F40/30
Abstract: 本说明书公开了一种实体链接方法、装置、存储介质及电子设备。所述实体链接方法包括：获取待链接文本、待链接文本中包含的各实体提及，根据预先确定的实体提及与实体之间的映射关系表，确定待链接文本中包含的每个实体提及对应的候选实体，将待链接文本、待链接文本中包含的各实体提及、预设的候选实体的描述文本输入到预先训练的实体链接模型中，以通过实体链接模型确定每个候选实体的描述文本的特征表示与待链接文本的特征表示之间的细粒度交互特征表示，并确定每个候选实体为目标链接实体的概率，以根据概率，从各候选实体中确定出待链接文本对应的目标链接实体，并根据目标链接实体进行任务执行。
-
公开(公告)号：CN117035695A
公开(公告)日：2023-11-10
申请号：CN202311293167.7
申请日：2023-10-08
Applicant: 之江实验室
IPC: G06Q10/10 , G06V30/10 , G06V30/148
Abstract: 本说明书公开了一种信息预警的方法、装置、可读存储介质以及电子设备，可以通过预设的文本处理模型，来将每个贸易措施文件信息对应的贸易措施关联信息与各行业的行业信息进行匹配，并建立以及保存企业、行业与各贸易措施关联信息之间的对应关系，从而使得当出台新的贸易措施文件信息时，可以通过预先建立并保存的该对应关系，快速的确定出与新出台的贸易措施文件信息相匹配的行业，并向归属于匹配出的行业的企业发送预警信息，从而有效地保证了企业免受不必要的损失。
-
公开(公告)号：CN116089594B
公开(公告)日：2023-07-25
申请号：CN202310362137.0
申请日：2023-04-07
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/35 , G06F40/194 , G06F40/295 , G06F18/214
Abstract: 本发明公开了一种基于BERT问答模型从文本中抽取结构化数据的方法和装置，该方法通过词袋模型对原始文本集进行基于结构的文本向量化，再对所有文本向量进行凝聚层次聚类，形成代表文本集；再利用代表文本集生成训练集，从而训练BERT问答模型；最后利用训练好的BERT问答模型抽取结构化数据。本发明从机器阅读理解的角度出发，通过训练BERT问答模型来让机器从文本中自动筛选出需要抽取的数据，整个过程无需进行实体识别、实体关系识别等，大大缩短了转化时间且可直接应用到不同的领域内文本中。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.023 seconds)
