一种软件机器人协同处理方法及系统

    公开(公告)号:CN111858027B

    公开(公告)日:2024-03-19

    申请号:CN202010536581.6

    申请日:2020-06-12

    Abstract: 本发明涉及一种软件机器人协同处理方法及系统。该方案主要包括:1)任务理解与拆分组件,实现针对用户特定请求的子任务拆分与依赖关系信息库构建;2)软件机器人仓库,统一存放不同功能的软件机器人,实现机器人的用时下发、按需部署与用后回收;3)机器人调度中心,完成子任务拆分与机器人队伍组建之间的映射、实现机器人下发至软件执行节点并部署启动。此外,可以采用实时软件机器人监控中心完成机器人的动态扩展与适时缩编功能。本发明能够根据不同的用户任务请求建立不同的软件机器人队伍,配置机器人队伍执行顺序,协同完成特定的用户请求与业务任务,有效提升了应用软件的可扩展性、模块可复用性,最终实现软硬件资源的合理调度。

    一种RDN超分辨网络的训练方法及图像生成方法

    公开(公告)号:CN112598581B

    公开(公告)日:2023-10-24

    申请号:CN202011606834.9

    申请日:2020-12-30

    Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法,其步骤包括:1)将低分辨率样本图像输入到生成器,生成高分辨率图像;2)将生成的高分辨率图像作为假数据,计算该假数据与对应标签数据之间的损失值;3)提取该假数据的特征与对应标签数据的特征,然后计算特征之间的损失值;4)将生成的高分辨率图像及其多个下采样数据作为假数据,根据该假数据与对应真实数据计算生成器中损失函数的损失值;5)将生成的高分辨率图像及其多个下采样数据作为假数据,根据该假数据与对应真实数据计算判别器中损失函数的损失值,进行判别器参数更新;6)将步骤2)~4)所得损失值加权在一起,作为生成器的损失,进行生成器的参数更新。

    一种RDN超分辨网络的训练方法及图像生成方法

    公开(公告)号:CN112598581A

    公开(公告)日:2021-04-02

    申请号:CN202011606834.9

    申请日:2020-12-30

    Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法,其步骤包括:1)将低分辨率样本图像输入到生成器,生成高分辨率图像;2)将生成的高分辨率图像作为假数据,计算该假数据与对应标签数据之间的损失值;3)提取该假数据的特征与对应标签数据的特征,然后计算特征之间的损失值;4)将生成的高分辨率图像及其多个下采样数据作为假数据,根据该假数据与对应真实数据计算生成器中损失函数的损失值;5)将生成的高分辨率图像及其多个下采样数据作为假数据,根据该假数据与对应真实数据计算判别器中损失函数的损失值,进行判别器参数更新;6)将步骤2)~4)所得损失值加权在一起,作为生成器的损失,进行生成器的参数更新。

    一种基于Watson对话服务的电影问答系统构建方法、装置及系统

    公开(公告)号:CN111966895A

    公开(公告)日:2020-11-20

    申请号:CN202010788085.X

    申请日:2020-08-07

    Abstract: 本发明涉及一种基于Watson对话服务的电影问答系统构建方法、装置及系统。该电影问答系统构建方法的步骤包括:利用爬虫从HTML源码中爬取电影信息,并以“实体—属性—值”的三元组的格式存储;建立Watson问答系统基本模型;在Watson问答系统基本模型中构建包含三元组各实体的节点;在三元组相关实体对应的节点之间建立连接以实现对标签问题的回答。本发明通过爬虫获取具体领域的结构化数据作为后端数据,对表示电影数据的三元组进行包装和重构,将其自动表示为Watson可识别的节点形式,并在三元组相关实体对应的节点之间建立连接以实现对标签问题的回答,据此实现了电影问答系统,可以向用户给出完整正确的答案。

    一种面向开放世界稀疏语料的少样本属性抽取方法和系统

    公开(公告)号:CN119558308A

    公开(公告)日:2025-03-04

    申请号:CN202411501842.5

    申请日:2024-10-25

    Abstract: 本发明涉及一种面向开放世界稀疏语料的少样本属性抽取方法和系统。该方法首先应用无监督元模式抽取方法来指导序列到序列生成模型的训练,从而降低训练集的稀疏性;然后,设计了“生成后过滤”流程,以从输入语料中抽取所有有价值的属性三元组;使用束搜索来获取多个候选项,并通过筛选模块从候选项中选出高质量的属性三元组。此外,本发明还提出了一个名为OSN‑515的基准数据集,以帮助评估从稀疏语料库中抽取开放世界少样本属性的效果。实验结果表明,本发明的框架明显优于基线框架,消融研究证明了模型各部分的有效性。

    一种基于Watson对话服务的电影问答系统构建方法、装置及系统

    公开(公告)号:CN111966895B

    公开(公告)日:2023-07-25

    申请号:CN202010788085.X

    申请日:2020-08-07

    Abstract: 本发明涉及一种基于Watson对话服务的电影问答系统构建方法、装置及系统。该电影问答系统构建方法的步骤包括:利用爬虫从HTML源码中爬取电影信息,并以“实体—属性—值”的三元组的格式存储;建立Watson问答系统基本模型;在Watson问答系统基本模型中构建包含三元组各实体的节点;在三元组相关实体对应的节点之间建立连接以实现对标签问题的回答。本发明通过爬虫获取具体领域的结构化数据作为后端数据,对表示电影数据的三元组进行包装和重构,将其自动表示为Watson可识别的节点形式,并在三元组相关实体对应的节点之间建立连接以实现对标签问题的回答,据此实现了电影问答系统,可以向用户给出完整正确的答案。

    一种软件机器人协同处理方法及系统

    公开(公告)号:CN111858027A

    公开(公告)日:2020-10-30

    申请号:CN202010536581.6

    申请日:2020-06-12

    Abstract: 本发明涉及一种软件机器人协同处理方法及系统。该方案主要包括:1)任务理解与拆分组件,实现针对用户特定请求的子任务拆分与依赖关系信息库构建;2)软件机器人仓库,统一存放不同功能的软件机器人,实现机器人的用时下发、按需部署与用后回收;3)机器人调度中心,完成子任务拆分与机器人队伍组建之间的映射、实现机器人下发至软件执行节点并部署启动。此外,可以采用实时软件机器人监控中心完成机器人的动态扩展与适时缩编功能。本发明能够根据不同的用户任务请求建立不同的软件机器人队伍,配置机器人队伍执行顺序,协同完成特定的用户请求与业务任务,有效提升了应用软件的可扩展性、模块可复用性,最终实现软硬件资源的合理调度。

Patent Agency Ranking