-
公开(公告)号：CN112182220A
公开(公告)日：2021-01-05
申请号：CN202011078960.1
申请日：2020-10-10
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F16/35 , G06F40/30 , G06F40/289 , G06Q30/00 , G06Q50/12
Abstract: 本发明提供了一种基于深度学习的客服预警分析分析方法、系统、设备及介质，该方法包括：实时获取当前的会话文本，处理当前的会话文本得到当前的会话特征；从会话文本数据库中获取前一时刻的会话文本，处理前一时刻的会话文本得到前一时刻的会话特征；将当前的会话特征和前一时刻的会话特征拼合后输入基于深度学习的会话分类模型，得到所述会话分类模型输出的会话类型；根据所述会话分类模型输出的会话类型确定当前是否需要预警。本发明基于深度学习对客人的消息进行实时分析分类，结合上下文实现基于语义分析的预警分析，从而可以甄别出紧急服务诉求，并进行预警，为切换到更高级的服务响应提供依据。
-
公开(公告)号：CN112102116A
公开(公告)日：2020-12-18
申请号：CN202010985289.2
申请日：2020-09-18
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了基于旅游会话的输入预测方法、系统、设备及存储介质，该方法包括：采集旅游产品历史订单及其对话样本，对话样本中获得历史对话语句建立第一文本；根据旅游产品历史订单以及该旅游产品下单对话过程中的第一文本建立输入预测样本集合；基于当前用户与客服的对话内容中提取时间和地点的关键词，根据关键词搜索旅游产品库，建立备选旅游产品集以及当前输入预测语句集合；在客服进行输入时，将对话内容与当前输入预测集合中历史对话语句进行关键词匹配，将命中关键词数量排序最高的历史对话语句作为输入预测语句提供客服，本发明能够精准快速的预测出客服后续要输入的文字，从而提高客服人员输入文字的速度来提高效率。
-
公开(公告)号：CN111861031A
公开(公告)日：2020-10-30
申请号：CN202010745413.8
申请日：2020-07-29
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了基于月度酒店收入的预测方法、系统、设备及存储介质，该方法包括：根据一酒店的历史收入数据，获得酒店在每一年中每天的历史收入数据；基于月度建立酒店的历史每个月度收入数据，并且根据预设规则对月度收入数据进行周期对齐，长度为n天的一段假期归属于相邻的两个月度周期的假期收入数据进行分割后记入对应的月度收入数据集，n≥2；根据周期对齐后的历史每个月度收入数据集获得历史每个月度收入数据；建立月度酒店收入训练数据样本，并输入月度酒店收入训练模型，进行模型训练；根据训练后的月度酒店收入训练模型预测酒店未来的月度酒店收入。本发明能够使得数据样本更平滑，经过数据样本训练后的预测模型的预测效果更精确。
-
公开(公告)号：CN107688662B
公开(公告)日：2020-10-30
申请号：CN201710807393.0
申请日：2017-09-08
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F16/9535 , G06F16/9537 , G06Q50/12 , G06Q30/02
Abstract: 本发明公开了一种OTA酒店的推荐方法及系统，其中OTA酒店的推荐方法包括：S1、生成用户的酒店训练模型，酒店训练模型用于获取用户的酒店偏好数据；S2、在用户访问OTA网站酒店页面且进入POI搜索场景后，接收用户所输入的地标，按与地标的距离从近到远的顺序对酒店进行排序，且将排序后的酒店作为原始搜索结果；S3、根据酒店训练模型获取用户的酒店偏好数据；S4、在原始搜索结果中按原始搜索结果的排列顺序依次查询与酒店偏好数据相匹配的酒店，并将查询结果作为最终搜索结果进行输出。本发明克服了现有技术中在用户进入POI搜索场景后查找酒店费力的问题，降低了用户查找酒店的费力度，提升了用户的订购转化率。
-
公开(公告)号：CN111797258A
公开(公告)日：2020-10-20
申请号：CN202010661278.9
申请日：2020-07-10
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F16/54 , G06F16/535 , G06F16/957 , G06F16/9535 , G06Q30/06 , G06Q50/12 , G06Q50/14
Abstract: 本发明提供了一种基于美感评价的图像推送方法、系统、设备及存储介质，该方法包括：采集线上图像，加入训练集；基于所述训练集训练基于深度学习构建的图像美感评价模型；将待推送的酒店图像输入训练好的图像美感评价模型，根据所述图像美感评价模型的输出确定所述待推送的图像的评价值；根据所述待推送的图像的评价值对所述待推送的图像进行排序，并将排序后的图像推送至用户终端。本发明基于深度学习构建图像美感评价模型，对图像进行更准确的评价和排序，从而在推送图像时提供更合理的图像展示方式。
-
Patent Agency Ranking
公开(公告)号：CN111796833A
公开(公告)日：2020-10-20
申请号：CN202010667844.7
申请日：2020-07-13
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了一种代码语言转换方法、系统、设备及存储介质，该换方法包括以下步骤：获取待处理的代码；利用语法分析树在代码中查找硬编码字符串；将查找到的硬编码字符串替换为一组替换函数，一组替换函数包括各种语言对应的触发条件和替换内容；其中，替换函数配置为当一语言的触发条件成立时，替换函数将硬编码字符串替换为替换内容。本发明的转换方法通过语法分析树查找并用一组替换函数替换代码中的硬编码字符串，通过替换函数获得不同语言系统下需展示的硬编码字符串的相应内容，可提高研发人员代码书写过程中对展示文案支持多语言处理的速度，且可减少上述处理过程中人为因素产生的错误，推动研发产品的迭代速度以及保证产品的上线质量。
-
公开(公告)号：CN111753923A
公开(公告)日：2020-10-09
申请号：CN202010627437.3
申请日：2020-07-02
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供了基于人脸的智能相册聚类方法、系统、设备及存储介质，该方法包括：对智能相册中的照片中进行人脸检测，建立照片中每个人脸所在的人脸区域图案；通过人脸区域图案与预设人脸图案进行相似变换对齐人脸；将对齐后的人脸区域图案输入到分类器过滤掉非标准的人脸区域图案；自人脸区域图案进行人脸特征提取，建立人脸表示特征与照片的映射关系；使用聚类算法进行人脸特征聚类，输出聚类结果；对聚类结果通过聚类中心重检测进行微调，将人脸标记分配给每张照片；以及基于聚类结果建立分组。本发明能够找出相册集中所有包含人脸的图像，然后对其基于人脸进行聚类分组，准确地找出相册集中的主要人物，丰富智能相册的功能，提升用户体验。
-
公开(公告)号：CN111738957A
公开(公告)日：2020-10-02
申请号：CN202010595315.0
申请日：2020-06-28
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种图像智能美化方法、系统、电子设备及存储介质，该方法包括：获取样本数据集，所述样本数据集包含若干样本图像对，所述样本图像对包含训练图像和对应的已美化图像；对所述训练图像进行特征提取处理；利用特征提取处理后的训练图像和对应的已美化图像，对预设的美化系数估计模型进行训练，得到目标美化系数估计模型；获取目标图像，并对所述目标图像进行特征提取处理；利用所述目标美化系数估计模型对特征提取处理后的所述目标图像进行处理，得到所述目标图像的美化估计系数；根据所述美化估计系数对所述目标图像进行美化处理，得到所述目标图像对应的目标美化图像。本发明可以解决现有技术中图像美化操作繁琐、效率低的问题。
-
公开(公告)号：CN111737991A
公开(公告)日：2020-10-02
申请号：CN202010628393.6
申请日：2020-07-01
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F40/284 , G06F40/216 , G06F40/211 , G06F40/126 , G06N3/04
Abstract: 本发明公开了文本断句位置的识别方法及系统、电子设备及存储介质，其中，文本断句位置的识别方法包括以下步骤：接收语音识别后的文本数据，并将所述文本数据中的每个字符映射为字符向量；利用Bi-LSTM模型提取每个字符向量的语义特征，得到隐向量；对所述隐向量进行处理，并将处理后的隐向量输入至CRF模型；使用维特比算法对CRF模型的输出结果进行解码，根据全局最优序列预测输出所述字符向量的标签；根据每个字符对应的标签识别所述文本数据的所有断句位置。本发明通过Bi-LSTM模型提取语义特征，利用CRF模型作为输出层，实现了文本断句位置的识别，进而提高了后续意图识别、命名实体识别、分类任务等下游任务的准确率。
-
公开(公告)号：CN111639807A
公开(公告)日：2020-09-08
申请号：CN202010473630.6
申请日：2020-05-29
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种模型训练的方法、时长预测的方法、系统、设备及介质，其中模型训练的方法，包括以下步骤：获取多个酒店订单的历史数据；从所述历史数据中提取特征数据，将获取到的所述特征数据输入xgboost模型进行训练，当所述历史数据中订单回复时长的真实值与所述xgboost模型输出的预测值之间误差的绝对值最小时，生成订单回复时长预测模型。本发明提供的模型训练的方法和订单回复时长预测的方法解决了业务人员根据业务经验判断酒店订单的催单时间，预测准确率低的缺陷；提高了酒店订单的回复时长预测的准确性，最终降低了催单率。
-
-
-
-
-
-
-
-
-
Search Results
929
records
(took 0.049 seconds)
