公开(公告)号：CN117370523A

公开(公告)日：2024-01-09

申请号：CN202311348633.7

申请日：2023-10-17

Applicant: 中国电信股份有限公司

Inventor： 段智华

IPC: G06F16/332 ,  G06F18/22 ,  G06N20/00

Abstract: 本申请公开了一种大语言模型应用服务方法及装置。其中，该方法包括：确定查询问题对应的第一文本，并利用嵌入式向量模型将第一文本转换为第一向量；利用向量相似度检索技术从本地向量数据库中确定与第一向量最近邻的K个第二向量，并确定第二向量对应的第二文本；确定第一文本与第二文本之间的第一相似度；若第一相似度大于预设阈值，输出第二文本；若第一相似度不大于预设阈值，获取第一文本的上下文信息，并调用目标大语言模型对第一文本和上下文信息进行分析，得到目标大语言模型输出的目标响应文本。本申请解决了相关技术中大语言模型应用服务响应速度较慢、结果不够准确、难以满足用户需求的技术问题。

公开(公告)号：CN116740373A

公开(公告)日：2023-09-12

申请号：CN202310798753.0

申请日：2023-06-30

Applicant: 中国电信股份有限公司

Inventor： 段智华

IPC: G06V10/40 ,  G06V10/82 ,  G06V10/80

Abstract: 本申请公开了一种目标检测方法、装置、电子设备及非易失性存储介质。其中，该方法包括：依据待识别图像进行特征提取，得到多个不同尺度的第一特征图；将第一特征图划分为多个图像块，并对第一特征图中的图像块进行重新排列，得到第二特征图；依据第二特征图，计算自注意力权值，并依据自注意力权值生成第三特征图，其中，自注意力权值用于表征第二特征图中各个特征对识别待识别图像中目标对象的影响程度；依据第三特征图，确定待识别图像中的目标对象。本申请解决了相关技术中的神经网络进行目标检测，存在目标检测定位的精准度差的技术问题。

公开(公告)号：CN115423080A

公开(公告)日：2022-12-02

申请号：CN202211134256.2

申请日：2022-09-16

Applicant: 中国电信股份有限公司

Inventor： 段智华 ,  张岚 ,  陈伟耿 ,  赵戌

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种时间序列预测方法、装置、电子设备及介质，涉及大数据技术领域。该方法包括：获取历史时间序列数据；基于Transformer网络构建预测模型，该预测模型包括注意力层，注意力层包括线性映射自相关注意力模块，线性映射自相关注意力模块用于获取预测模型的输入数据的自相关特征；将历史时间序列数据作为输入数据输入预测模型，基于预测模型的线性映射自相关注意力模块，获得历史时间序列数据的自相关特征，并基于历史时间序列数据的自相关特征，获得当前时刻之后预设时间段内的预测序列。该方法能够捕获历史时间序列数据的上下文关联信息，预测更精准，降低了空间和时间复杂度，提高了内存效率和时间效率。

公开(公告)号：CN119005332A

公开(公告)日：2024-11-22

申请号：CN202411075319.0

申请日：2024-08-06

Applicant: 中国电信股份有限公司

Inventor： 段智华

IPC: G06N5/04 ,  G06F18/214 ,  G06F18/22

Abstract: 本申请公开了一种数学推理方法、装置、存储介质、计算机程序产品。包括：获取输入问题；利用大语言模型确定输入问题的类型；在类型为数学问题时，利用大语言模型对输入问题进行推理：通过大语言模型调用数学计算器对输入问题进行推理，得到数学推理结果；和/或，通过大语言模型调用代码执行器对输入问题进行推理，得到数学推理结果；和/或，通过大语言模型调用思维链工具对输入问题进行推理，得到数学推理结果；利用大语言模型对上述三个工具所得的数学推理结果的至少一个进行分析，得到最终的目标数学推理结果。本申请解决了由于大语言模型难以对复杂数学问题进行精确推理，导致数学计算结果的准确性较低的技术问题。

公开(公告)号：CN119248930A

公开(公告)日：2025-01-03

申请号：CN202411348323.X

申请日：2024-09-25

Applicant: 中国电信股份有限公司

Inventor： 段智华

IPC: G06F16/35 ,  G06F40/216 ,  G06F40/247

Abstract: 本申请公开了一种隐式情感分析方法及装置、存储介质和计算机程序产品。其中，该方法包括：获取包含待分析目标的输入文本；利用第一大语言模型对输入文本进行分析，得到输入文本提及待分析目标的至少一个属性；利用第二大语言模型对待分析目标的各个属性进行分析，得到待分析目标在各个属性上的情感值；基于待分析目标在各个属性上的情感值确定输入文本对待分析目标的情感极性，其中，情感极性的类型包括：积极、中性或消极。本申请解决了相关技术对隐性情感文本的情感极性分析的准确性较差的技术问题。