-
公开(公告)号：CN115204287A
公开(公告)日：2022-10-18
申请号：CN202210819850.9
申请日：2022-07-13
Applicant: 合肥讯飞数码科技有限公司
IPC: G06K9/62
Abstract: 本发明提供了一种对象识别方法、装置、设备及存储介质，方法包括：获取目标数据；基于目标识别模型识别目标数据所属的对象；目标识别模型采用新增对象的标注有对象标识的第一训练样本，以使针对第一训练样本预测的对象标识与第一训练样本标注的对象标识趋于一致，以及使针对第一训练样本预测的概率分布逼近基础识别模型针对第一训练样本预测的概率分布为目标训练得到；基础识别模型采用历史对象的标注有对象标识的第二训练样本训练得到；初始的目标识别模型为能够对历史对象的数据进行识别的模型。本发明只采用新增对象的训练数据即可训练得到既能准确识别出新增对象的数据所属对象，又能准确识别出历史对象的数据所属对象的目标识别模型。
-
公开(公告)号：CN115188371A
公开(公告)日：2022-10-14
申请号：CN202210819897.5
申请日：2022-07-13
Applicant: 合肥讯飞数码科技有限公司
Abstract: 本发明提供了一种语音识别模型训练方法、语音识别方法及相关设备，训练方法包括：利用任务总集对构建的语音识别模型进行第一阶段的训练，得到第一阶段训练后的语音识别模型，任务总集中包括多个第一类别分别对应的任务，在进行第一阶段训练的过程中，通过自行学习适合任务总集中任务的学习率来把控模型参数更新方向，通过一阶梯度的计算对模型参数进行更新；利用第二类别的训练语音，对第一阶段训练后的语音识别模型进行第二阶段的训练。采用本发明提供的语音识别模型训练方法可训练得到对第二类别的语音具有较好识别效果且具有较高稳定性的语音识别模型，利用该语音识别模型对第二类别的待识别语音进行识别，可获得准确率较高的识别结果。
-
公开(公告)号：CN115116449A
公开(公告)日：2022-09-27
申请号：CN202210628912.8
申请日：2022-06-06
Applicant: 合肥讯飞数码科技有限公司
IPC: G10L17/04 , G10L17/18 , G10L21/0208
Abstract: 本申请提出一种语音增强方法、装置、设备及存储介质，该方法包括：将带噪语音输入预先训练的复合式对抗增强网络模型，得到所述复合式对抗增强网络模型输出的语音增强结果，所述语音增强结果中至少包括增强语音；其中，所述复合式对抗增强网络模型对带噪语音进行语音增强处理得到的增强语音的声纹特征，接近于与带噪语音对应的干净语音的声纹特征。上述方法可以在对带噪语音进行语音增强的同时，降低语音增强造成的语音失真。
-
公开(公告)号：CN114882418A
公开(公告)日：2022-08-09
申请号：CN202210564811.9
申请日：2022-05-23
Applicant: 合肥讯飞数码科技有限公司
Abstract: 本发明提供一种伪造视频检测方法、装置、电子设备和存储介质，所述方法包括：确定待检测视频；对待检测视频的各视频帧进行证据提取，得到各视频帧对应的各类证据信息；基于各类证据信息在对应视频帧中空间范围的大小，划分各类证据信息所属的层级；基于各层级下的证据信息，对各视频帧进行伪造检测，得到待检测视频的伪造检测结果。本发明提供的伪造视频检测方法、装置、电子设备和存储介质，能够全面获取待检测视频中可能存在破绽区域的各类证据信息，并根据不同层级下的各类证据信息之间的关联信息综合判断各视频帧是否进行了伪造，进一步提高了待检测视频的伪造检测精度。
-
公开(公告)号：CN114462673A
公开(公告)日：2022-05-10
申请号：CN202111641675.0
申请日：2021-12-29
Applicant: 合肥讯飞数码科技有限公司
Abstract: 本发明公开了用于预测未来事件的方法、系统、计算设备和可读介质，方法包括：获取要预测的未来事件的四元组中的三元素，所述三元素包括时间戳、主体要素和类型要素，其中所述四元组中的客体要素是未知的；对所述时间戳进行编码，获取所述时间戳的时间向量表示；使用经训练的预训练语言模型和经训练的图神经网络模型分别得到所述主体要素的主体向量表示和所述类型要素的类型向量表示；以及基于所述时间向量表示、主体向量表示和类型向量表示，得到对所述未来事件的客体要素的预测结果。本发明能够获取实体节点和事件类型的语义表示，增强了语义表达能力，并且能够预测未来可能发生的新事件。
-
Patent Agency Ranking
公开(公告)号：CN113392213A
公开(公告)日：2021-09-14
申请号：CN202110420855.X
申请日：2021-04-19
Applicant: 合肥讯飞数码科技有限公司
IPC: G06F16/35 , G06F40/30 , G06F40/216 , G06F40/284
Abstract: 本申请公开了一种事件抽取方法以及电子设备、存储装置，其中，事件抽取方法包括：获取事件文本的事件参数；其中，事件参数包括事件文本涉及的事件类别和事件类别的若干事件属性；在每轮抽取过程中，选择未选择过的事件参数作为当前参数，并构造关于问询当前参数的问题文本，以及将问题文本和事件文本输入事件抽取模型，以抽取得到事件文本中与当前参数对应的事件词语；其中，问题文本包括在本轮抽取之前抽取到的事件词语。上述方案，能够提高事件抽取的准确性。
-
公开(公告)号：CN112488316A
公开(公告)日：2021-03-12
申请号：CN202011460065.6
申请日：2020-12-11
Applicant: 合肥讯飞数码科技有限公司
Abstract: 本申请公开了一种事件意图推理方法、装置、设备及存储介质，本申请获取当前发生事件的事件信息，以预先训练的分类神经网络模型对事件信息进行模糊化处理，得到模糊化结果，采用模糊规则对模糊化结果进行组合及推理，得到模糊推理结果，对模糊推理结果进行去模糊化处理，得到当前发生事件的事件意图。本申请通过模糊理论来解决含义模糊信息的事件意图推理问题，同时将模糊理论与神经网络模型结合，使用分类神经网络模型进行模糊化处理，既能够学习到深度神经模型强大的特征表达能力，又继承了模糊理论的模糊推理能力，从而更加适用于对模糊性的事件意图进行推理，提高了事件意图的推理准确性。
-
公开(公告)号：CN115188371B
公开(公告)日：2025-01-24
申请号：CN202210819897.5
申请日：2022-07-13
Applicant: 合肥讯飞数码科技有限公司
Abstract: 本发明提供了一种语音识别模型训练方法、语音识别方法及相关设备，训练方法包括：利用任务总集对构建的语音识别模型进行第一阶段的训练，得到第一阶段训练后的语音识别模型，任务总集中包括多个第一类别分别对应的任务，在进行第一阶段训练的过程中，通过自行学习适合任务总集中任务的学习率来把控模型参数更新方向，通过一阶梯度的计算对模型参数进行更新；利用第二类别的训练语音，对第一阶段训练后的语音识别模型进行第二阶段的训练。采用本发明提供的语音识别模型训练方法可训练得到对第二类别的语音具有较好识别效果且具有较高稳定性的语音识别模型，利用该语音识别模型对第二类别的待识别语音进行识别，可获得准确率较高的识别结果。
-
公开(公告)号：CN118210792A
公开(公告)日：2024-06-18
申请号：CN202410399726.0
申请日：2024-04-03
Applicant: 合肥讯飞数码科技有限公司
IPC: G06F16/215 , G06Q10/0639 , G06Q50/00
Abstract: 本申请公开了一种社交网络数据质量分析方法、装置、设备及可读存储介质，在获取待分析的社交网络数据之后，确定社交网络数据在语义完整性指标、语义随机性指标以及语义重复性指标中的至少两个语义性能指标的评分；多个语义性能指标包括；对社交网络数据在多个语义性能指标的评分进行融合，得到社交网络数据的综合质量评分；基于综合质量评分，确定社交网络数据是否为低质量社交网络数据。本方案中，可以利用社交网络数据的语义信息对社交网络数据的语义性能指标进行度量，能够准确评估社交网络数据的质量，进而能够从海量社交网络数据中有效确定出高质量的社交网络数据。
-
公开(公告)号：CN112906391B
公开(公告)日：2024-05-31
申请号：CN202110282621.3
申请日：2021-03-16
Applicant: 合肥讯飞数码科技有限公司
IPC: G06F40/289 , G06F40/30
Abstract: 本发明提供一种元事件抽取方法、装置、电子设备和存储介质，其中方法包括：确定待处理文本包含的触发词及其对应的各参数词；抽取触发词对应的每两个参数词在待处理文本中的关系；基于触发词对应的各参数词，以及每两个参数词之间的关系类型，构建触发词的参数关系图；遍历触发词的参数关系图，得到触发词的各元事件。本发明提供的方法、装置、电子设备和存储介质，完成了同一触发词下多元事件的事件拆分，从而实现细粒度的元事件抽取，有助于提高元事件抽取的可靠性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.039 seconds)
