-
公开(公告)号：CN116542819A
公开(公告)日：2023-08-04
申请号：CN202210078632.4
申请日：2022-01-24
Applicant: 腾讯科技(深圳)有限公司 , 安徽大学
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种知识点的掌握度分析方法、装置、电子设备及存储介质，该方法为：根据待分析对象在各个目标习题中的作答结果，建立样本集合，再对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型，然后根据所述目标认知诊断模型中构建的，所述待分析对象在各个待分析知识点对应的知识点空间中的映射结果，分别确定所述待分析对象各自对于所述各个待分析知识点的掌握度分析结果。这样，能够借助于各个知识点嵌入结果中所表达的知识点间的内在关系，预测分析待分析对象在未作答的知识点上的掌握情况，实现全面地分析待分析对象在各个待分析知识点上的掌握程度。
-
公开(公告)号：CN109902303B
公开(公告)日：2023-05-26
申请号：CN201910158600.3
申请日：2019-03-01
Applicant: 腾讯科技(深圳)有限公司 , 哈尔滨工业大学(深圳)
IPC: G06F40/295 , G06F16/901 , G06N3/0442 , G06N3/08
Abstract: 本发明实施例公开了一种实体识别方法及相关设备，包括：首先获取多条标注语料，所述多条标注语料中每条标注语料携带标注信息；接着按照预设的实体标注规则建立超图模型；然后根据标注信息和实体标注规则确定每条标注语料对应的标注路径图、以及根据超图模型和预设的神经网络模型建立待训练模型；最后将标注路径图输入待训练模型中进行训练，得到实体识别模型，并根据实体识别模型，识别输入语料中的至少一个命名实体。采用本发明实施例，可以有效识别嵌套结构的实体，从而提高实体识别和实体抽取的准确性。
-
公开(公告)号：CN116028632A
公开(公告)日：2023-04-28
申请号：CN202111242581.6
申请日：2021-10-25
Applicant: 腾讯科技(深圳)有限公司 , 中山大学
IPC: G06F16/36
Abstract: 本申请实施例公开了一种领域语言模型的确定方法和相关装置，在需要获取针对专业领域的语言模型时，获取该专业领域的知识图谱，通过在知识图谱中以规定的路径数量遍历出待定节点周边的关联节点集合，可从图结构化的知识图谱中转化出序列化的图谱知识语料，图谱知识语料可以被语言模型所理解并学习到其中携带的专业领域知识，从而可以使用已经完成了通用语言预训练的预训练语言模型直接基于序列化的图谱知识语料进行领域训练，使已经掌握通用语言知识的预训练语言模型学习到该专业领域的语言知识，不仅训练所需语料量要求更低，而且由于预训练语言模型已经完成了预训练，整体训练耗时也更低，大大提高了确定领域语言模型的效率，降低了时间成本。
-
公开(公告)号：CN115909116A
公开(公告)日：2023-04-04
申请号：CN202110943426.0
申请日：2021-08-17
Applicant: 中山大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请公开了一种异常视频的识别方法、装置、设备及计算机可读存储介质，涉及深度学习领域。该方法包括：获取n个样本视频片段，在第i次迭代循环训练过程中，通过第i‑1次迭代训练得到的第i个分析模型对样本视频片段进行分析，得到第i组异常预测结果，i≥1且i为整数，对第i组异常预测结果进行平衡分布处理，得到与n个样本视频片段对应的第i组伪标签，基于第i组异常预测结果和第i组伪标签之间的差异，对第i个分析模型进行训练，得到在第i次迭代循环训练过程中的第i+1个分析模型，直至分析模型的训练符合训练结果条件，得到异常分析模型。不仅节省人工标注标签所耗费的人力，还能够提高异常分析模型的识别精度。
-
公开(公告)号：CN115840809A
公开(公告)日：2023-03-24
申请号：CN202111100942.3
申请日：2021-09-18
Applicant: 中山大学 , 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种信息推荐方法、装置、设备、系统及存储介质。方法中首先获取目标对象的医疗文本素材。其后确定医疗文本素材中的症状实体。接着基于医疗文本素材，提取与症状实体对应的症状实体特征信息和上下文特征信息。然后将症状实体特征信息和上下文特征信息进行特征融合，得到症状实体对应的融合特征。最后基于医疗文本素材中各症状实体对应的融合特征进行信息推荐。通过从医疗文本素材提取症状实体对应的的症状特征信息和上下文特征信息，以更丰富的症状关联语义作为所推荐信息的依据。相比于已有技术，本申请技术方案丰富了所推荐信息的依据范畴，提升了医疗文本素材中信息的利用率，进而使推荐的信息更加准确。
-
Patent Agency Ranking
公开(公告)号：CN115730050A
公开(公告)日：2023-03-03
申请号：CN202111011004.6
申请日：2021-08-31
Applicant: 腾讯科技(深圳)有限公司 , 中山大学
IPC: G06F16/332 , G06F16/33 , G06F16/335 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种数据处理方法、设备以及可读存储介质，方法包括：获取目标对象对应的对象类别状态，以及目标对象在对象类别状态下所呈现的对象状态属性；在关系图的类别状态节点中确定对象类别状态所指示的目标类别状态节点，在与目标类别状态节点具有关联关系的状态属性节点中，确定对象状态属性所指示的目标状态属性节点；根据目标类别状态节点与目标状态属性节点分别对应的向量表达特征，对关系图进行更新，得到目标关系图；根据目标关系图中每个类别节点分别对应的更新向量表达特征，在目标关系图的类别节点中获取预测类别节点，将预测类别节点所指示的类别信息确定为目标对象的预测类别结果。采用本申请，可以提高对象类别的识别准确率。
-
公开(公告)号：CN114845106A
公开(公告)日：2022-08-02
申请号：CN202110138899.3
申请日：2021-02-01
Applicant: 北京大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: H04N19/124 , H04N19/146
Abstract: 本发明公开了一种云技术场景下的视频编码方法、装置和存储介质及电子设备，具体还涉及云计算、大数据等技术。其中，该方法包括：从将要播放的视频流中确定出待编码视频帧；在获取到待编码视频帧中各个像素的残差绝对值之和的平均SATD值的情况下，根据平均SATD值，以及待编码视频帧的最大比特率对应的目标比特数获取目标量化参数，其中，平均SATD值用于指示待编码视频帧的内容复杂度，目标量化参数用于指示待编码视频帧的输出码率；按照目标量化参数所指示的输出码率对待编码视频帧进行编码。本发明解决了视频的编码准确性较低的技术问题。
-
公开(公告)号：CN113763385A
公开(公告)日：2021-12-07
申请号：CN202110592660.3
申请日：2021-05-28
Applicant: 华南理工大学 , 腾讯科技(深圳)有限公司
IPC: G06T7/10
Abstract: 本申请公开了一种视频目标分割方法、装置、设备及介质，涉及人工智能领域。包括：对支持集中的支持图像进行特征提取，得到支持图像中目标对象的目标对象特征；对查询视频中的视频图像进行特征提取，得到视频图像的视频图像特征；基于目标对象特征和视频图像特征，确定第一注意力矩阵和第二注意力矩阵，第一注意力矩阵为所述支持集与领域代理之间的注意力矩阵，第二注意力矩阵为查询视频与领域代理之间的注意力矩阵；基于第一注意力矩阵和第二注意力矩阵，确定目标注意力特征，目标注意力特征用于表示支持集作用于查询视频的注意力；基于目标注意力特征进行目标分割，得到目标分割结果，目标分割结果用于表征目标对象在各帧视频图像中的位置。
-
公开(公告)号：CN113408721A
公开(公告)日：2021-09-17
申请号：CN202011567991.3
申请日：2020-12-25
Applicant: 中国科学院信息工程研究所 , 腾讯科技(深圳)有限公司
Abstract: 本申请涉及一种神经网络结构搜索方法、装置、计算机设备和存储介质。方法包括：将训练神经网络结构输入图神经网络中，得到对应的离散结构特征；将离散结构特征输入至编码网络，通过编码网络将离散结构特征编码为连续结构特征；根据连续结构特征及解码网络进行解码，得到重构神经网络结构；基于训练神经网络结构和重构神经网络结构之间的重构损失，训练图神经网络、编码网络及解码网络，直至满足训练停止条件时，得到目标编码网络及目标解码网络，将目标编码网络对应的隐空间确定为目标搜索空间；根据目标搜索策略从目标搜索空间进行搜索得到目标结构特征，并通过目标解码网络解码得到目标神经网络结构。采用本方法可以提高神经网络结构搜索效率。
-
公开(公告)号：CN112561031A
公开(公告)日：2021-03-26
申请号：CN202011287865.2
申请日：2020-11-17
Applicant: 中国科学院信息工程研究所 , 腾讯科技(深圳)有限公司
Abstract: 本申请提供了一种基于人工智能的模型搜索方法、装置、电子设备及计算机可读存储介质；涉及人工智能技术领域以及云技术领域中的大数据技术；方法包括：生成结构不同的多个神经网络模型；确定基准神经网络模型与每个神经网络模型之间的差异程度；执行以下迭代处理：对至少部分神经网络模型的差异程度与性能指标之间的函数关系进行拟合处理，根据拟合处理得到的函数代理模型进行差异程度采样处理，并将与差异程度采样处理得到的差异程度对应的神经网络模型，作为用于进行下一轮的迭代处理的神经网络模型；当迭代处理停止时，根据迭代处理得到的性能指标最高的神经网络模型执行数据任务。通过本申请，能够提升执行数据任务的精度。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.051 seconds)
