-
公开(公告)号：CN112948724A
公开(公告)日：2021-06-11
申请号：CN202110220458.8
申请日：2021-02-26
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F16/955 , G06Q50/12
Abstract: 本发明公开了一种酒店URL的生成方法及系统、电子设备及介质，方法包括以下步骤：在用于存储酒店数据的数据库中新增hotelurl字段，hotelurl字段用于记录酒店URL；从数据库中全量及增量拉取酒店数据，对于一新增的目标酒店名称，若拉取的酒店数据中不包含目标酒店名称，则针对目标酒店名称生成对应的酒店URL。本发明通过对数据库中的酒店名称进行全量及增量的拉取来及时获取新增加或者变化的酒店名称，并针对新增加或变化的酒店名称对应的生成酒店URL，从而实现了酒店名称变化可再次生成与酒店名称对应的酒店URL，保证了酒店URL唯一性，提高酒店URL权重，进而提高酒店在搜索引擎中的排名。
-
公开(公告)号：CN112711682A
公开(公告)日：2021-04-27
申请号：CN202110023753.4
申请日：2021-01-08
Applicant: 携程计算机技术(上海)有限公司
Inventor： 范红霞
IPC: G06F16/903 , G06Q10/06
Abstract: 本发明提供了一种班次数据管理方法、系统、电子设备及存储介质，所述班次数据管理方法包括如下步骤：建立初始班表，所述初始班表为包括多个关键词的表结构数据文件；获取员工信息数据和/或班次信息数据，所述班次数据包括对应于至少一关键词的班次信息；基于员工信息数据和班次信息数据中关键词与所述初始班表中关键词的匹配，将所述员工信息数据和/或班次信息数据导入所述初始班表获得员工班次信息表。本发明的班次数据管理方法实现了对班次信息数据统一、及时地管理；同时，该管理方法也方便员工及时高效地查询本人或其他相关员工的班次信息数据，降低系统管理的负担，提高公司内部管理的效率。
-
公开(公告)号：CN112559209A
公开(公告)日：2021-03-26
申请号：CN202011471758.5
申请日：2020-12-15
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了区域任务可视化监控方法、系统、设备及存储介质，该方法包括：收集任务信息，任务信息至少包括任务类别名称；在预设时段内根据任务类别名称的出现次数进行统计，获得任务参考值；根据每个任务类别名称及其任务参考值，分别生成一任务状态图标共同显示于一任务监控界面中，任务状态图标至少包括显示于任务状态图标对应范围内的任务类别名称以及任务参考值；当任务状态图标被点击，执行根据任务处理映射表中获得对应任务状态图标的任务类别名称的任务处理操作执行，本发明能够实时获取有效的预警事件，并将预警事件通知到用户，此外将后续预警的处理流程规范化，提高事件处理效率，提升客户服务质量。
-
公开(公告)号：CN112434872A
公开(公告)日：2021-03-02
申请号：CN202011394090.9
申请日：2020-12-02
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了一种酒店产量预测方法、系统、设备及存储介质，所述方法包括步骤：获取多个酒店的产量数据，所述产量数据包括历史产量数据、酒店属性特征数据以及当前预订进度数据；基于分位数回归模型构建分位数损失函数；构建初始深度学习网络模型；基于所述分位数损失函数和所述多个酒店的产量数据，训练所述初始深度学习网络模型，分别得到各个酒店对应的目标网络模型；基于所述目标网络模型对多个酒店的未来一预设时段内的产量分别进行预测，输出各个酒店在所述预设时段内的产量值；本申请实现对多酒店的产量同时预测，并且提高了酒店产量预测的准确性。
-
公开(公告)号：CN112364167A
公开(公告)日：2021-02-12
申请号：CN202011311131.3
申请日：2020-11-20
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F16/35 , G06F40/289 , G06F40/30 , G06N3/04
Abstract: 本发明提供了基于深度学习的意图识别方法、系统、设备及存储介质，该方法包括：获取待解析的语句信息进行预处理；使用分词工具对语句信息进行分词；使用预训练的词向量模型对所有分词进行加权；使用预训练的第一神经网络获取语句信息对应的语气分类；使用预训练的第二神经网络获取语句信息对应的句型分类；使用预训练的第三神经网络获取语句信息对应的表达分类；使用预训练的第四神经网络根据语句信息的语气分类、句型分类以及表达分类预测语句信息的意图类别。本发明无需提取语句文本信息在其对应领域上的特征信息，通过分析语句文本信息中每个分词的词向量即可从语句文本信息中准确确定出语句所要表达的意图类型。
-
Patent Agency Ranking
公开(公告)号：CN112257814A
公开(公告)日：2021-01-22
申请号：CN202011344783.7
申请日：2020-11-26
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了基于深度学习的邮件标签方法、系统、设备及存储介质，该方法包括：建立邮件数据队列，采集第一类预设字段的数据消息；当邮件是否为匿名联系用户的预设业务，解析邮件文本内容，抓取第二类预设字段的内容，第二类预设字段至少包括邮件正文；对第二类预设字段的内容进行预处理；基于内容的语种，分别输入到基于不同语言的标签分类模型，获得邮件文本内容对应的标签；根据邮件文本内容的标签与预设标签映射表的映射关系，获得邮件处理流程信息，发送到预设的处理邮箱。本发明面对复杂的语义表达，能够有更高的准确率和召回率，便于及时干预酒店违规行为，达到及时保障客人权益和隐私。
-
公开(公告)号：CN112256907A
公开(公告)日：2021-01-22
申请号：CN202011287071.6
申请日：2020-11-17
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了基于照片库的旅游攻略编辑方法、系统、设备及存储介质，该方法包括：基于旅游攻略的文本在预的旅游关键词集合中获得关联度最高的至少一个关键词，形成关键词组合；查找满足关键词组合的图片形成照片库；通过经过训练的图片质量网络对目标照片库中图片的质量进行排序；以及将排序靠前的至少一图片加入到旅游攻略的文本中的预设位置。本发明能够实现对图片的质量评估，对图片从用户角度进行多方面的整体评估使最吸引人的图片排在首位，增强用户体验。
-
公开(公告)号：CN112233646A
公开(公告)日：2021-01-15
申请号：CN202011125561.6
申请日：2020-10-20
Applicant: 携程计算机技术(上海)有限公司
IPC: G10L13/027 , G10L13/08 , G10L25/03 , G10L25/30 , G06F40/151 , G06F40/289 , G06N3/04
Abstract: 本发明提供了一种基于神经网络的语音克隆方法、系统、设备及存储介质，该方法包括：获取训练样本，构建并训练特征提取模型，建立基于神经网络的声学模型，将目标文本和目标音频输入模型，将模型输出的梅尔谱特征转化为音频。本发明可将不同被模仿者的目标文本以及少量音频送入模型，输出与目标文本对应的被模仿者语音音频。本发明的语音克隆方法仅需几分钟的音频学习即能模仿被模仿者的音色，并且处理大量数据时处理效率更高，训练次数相同时合成的语音效果更好，从技术上提升了语音合成呼叫系统的效率，降低了成本。
-
公开(公告)号：CN112217947A
公开(公告)日：2021-01-12
申请号：CN202011077191.3
申请日：2020-10-10
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了一种客服电话语音转录文本方法、系统、设备及存储介质，该方法包括：采集待转录的客服电话语音；提取所述待转录的客服电话语音的语音特征；将提取的语音特征输入训练好的语音识别模型，所述语音识别模型包括声学编码器和解码器，所述声学编码器包括基于自注意力机制的Transformer模块，所述解码器包括基于字的Transducer模型；获取所述语音识别模型输出的文本。本发明在提升语音识别准确率的同时提高了模型的稳定性以及推断速度，提高了客服电话场景下电话语音转录文本的准确率和效率。
-
公开(公告)号：CN112216284A
公开(公告)日：2021-01-12
申请号：CN202011073681.6
申请日：2020-10-09
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种训练数据更新方法及系统、语音识别方法及系统、设备。其中，语音识别模型的训练数据更新方法包括以下步骤：将目标场景下的目标音频数据输入第一语音识别模型，得到第一文本；将所述目标音频数据输入第二语音识别模型，得到第二文本；比较所述第一文本和所述第二文本，得到目标核心词；根据所述目标核心词在所述目标音频数据中的目标位置，从包括所述目标位置以及所述目标位置附近的部分目标音频数据中选取标注数据；将所述标注数据以及对应的标注文本更新至所述第二语音识别模型的训练数据中。本发明能够实现自动补充核心词，从而提高第二语音识别模型的更新效率，进而提高语音识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
929
records
(took 0.049 seconds)
