-
公开(公告)号：CN118012963B
公开(公告)日：2024-10-08
申请号：CN202410163290.5
申请日：2024-02-05
Applicant: 之江实验室
Abstract: 本发明公开了一种低代码数据探索方法及装置，装置包括：数据源链接器、多维模型构建器、交互探索分析器和可视报表生成器；数据源链接器链接与管理各类数据源，接收交互探索分析器的命令并执行返回取数结果；多维模型构建器根据数据源链接器提供的目标数据源信息定义逻辑数据集并构建多维分析模型；交互探索分析器通过用户界面进行交互，根据多维分析模型映射结果自动生成命令发送至数据源链接器并根据返回的取数结果进行可视组件渲染；可视报表生成器通过数据看板进行可视组件集成与布局以及全局配置和组件联动的高级探索。本发明能够实现对多种数据源的轻量化快速自定义探索分析和高级探索，适用于精细化运营和商业报表等多种应用场景。
-
公开(公告)号：CN117235220A
公开(公告)日：2023-12-15
申请号：CN202311193554.3
申请日：2023-09-15
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/279 , G06F40/30
Abstract: 本发明公开了一种基于图数据库知识增强的可扩展大语言模型调用方法和装置，交互显示台接受用户问题输入并传递给协调控制器，在协调控制器中基于第一提示模板将用户问题输入翻译为图数据库的图查询语言，将图查询语言输入知识增强器获取背景知识返回协调控制器，在协调控制器中利用背景知识生成第二提示模板，将带有第二提示模板的调用请求输入至模型管理器，通过模型管理器加载相应的大语言模型并生成答案返回协调控制器，再经协调控制器将生成答案转化为自然语言并输出至交互显示台反馈给用户。本发明通过在线服务的方式为用户提供更高效准确的问答服务，具有安全、可靠和便捷的优势。
-
公开(公告)号：CN117036870B
公开(公告)日：2024-01-09
申请号：CN202311298498.X
申请日：2023-10-09
IPC: G06V10/774 , G06V10/764
Abstract: 本说明书公开了一种基于积分梯度多样性的模型训练和图像识别方法。所述方法包括：将样本数据分别输入各基模型，确定每个基模型对应的图像识别结果；针对每个基模型，根据该基模型对应的图像识别结果以及样本数据的实际标签，确定该基模型对应的分类损失，以及，确定该基模型相对于样本数据的积分梯度，作为该基模型对应的积分梯度；根据每个基模型对应的分类损失，确定目标集成模型对应的目标分类损失，以及，根据各基模型对应的积分梯度之间的偏差，确定目标集成模型对应的积分梯度正则项损失；根据目标分类损失以及积分梯度正则项损失，对目标集成模型进行训练。
-
公开(公告)号：CN117036869B
公开(公告)日：2024-01-09
申请号：CN202311293176.6
申请日：2023-10-08
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/094
Abstract: 本说明书公开了一种基于多样性和随机策略的模型训练方法及装置，待训练的分类模型包含多个基模型，该待训练的分类模型又分为多层切换块，按照前向传播方向依次训练各层切换块，根据各基模型输出的分类结果和标注，确定分类损失，根据各基模型输出的分类结果和样本图像，确定多样性正则损失。在训练过程中，该层切换块的输入为该层切换块的上一层切换块中随机一子模块的输出或样本图像，输出为该层切换块中随机一子模块的输出。这样训练出的分类模型，既保证了模型输出的分类结果准确度，又使各基模型输出的分类结果中各类别对应的概率分布不同，模型的输出为随机一个基模型的输(56)对比文件US 2023206114 A1,2023.06.29WO 2022042123 A1,2022.03.03WO 2022142122 A1,2022.07.07WO 2022213846 A1,2022.10.13WO 2023077603 A1,2023.05.11陈文兵;管正雄;陈允杰.基于条件生成式对抗网络的数据增强方法.计算机应用.2018,(第11期),全文.
-
公开(公告)号：CN114520728B
公开(公告)日：2022-08-05
申请号：CN202210417933.5
申请日：2022-04-21
Applicant: 之江实验室
Abstract: 本发明公开了一种分布式匿名阅卷评分方法与系统，为阅卷评委端登记公钥证书并向全部评委公开，阅卷评委端自行生成随机校验码并计算其散列值，阅卷评委端利用全员公钥与个人私钥对该随机校验码的散列值进行匿名签名，签名后的随机校验码散列值登记在系统公链上，直至所有阅卷评委端完成随机校验码散列值的登记；正式阅卷时，各阅卷评委端的阅卷结果附加随机校验码一同提交；系统服务端计算该随机校验码的散列值并与公链上的散列值进行比对，判别有效性。本发明基于区块链、环签名以及散列函数单向特性，实现了分布式阅卷评委的完全匿名，采用随机校验码作为匿名认证手段，降低了系统的计算开销，提升了数据交互效率。
-
Patent Agency Ranking
公开(公告)号：CN117235220B
公开(公告)日：2024-03-15
申请号：CN202311193554.3
申请日：2023-09-15
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/279 , G06F40/30
Abstract: 本发明公开了一种基于图数据库知识增强的可扩展大语言模型调用方法和装置，交互显示台接受用户问题输入并传递给协调控制器，在协调控制器中基于第一提示模板将用户问题输入翻译为图数据库的图查询语言，将图查询语言输入知识增强器获取背景知识返回协调控制器，在协调控制器中利用背景知识生成第二提示模板，将带有第二提示模板的调用请求输入至模型管理器，通过模型管理器加载相应的大语言模型并生成答案返回协调控制器，再经协调控制器将生成答案转化为自然语言并输出至交互显示台反馈给用户。本发明通过在线服务的方式为用户提供更高效准确的问答服务，具有安全、可靠和便捷的优势。
-
公开(公告)号：CN117391150B
公开(公告)日：2024-03-12
申请号：CN202311673951.0
申请日：2023-12-07
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/08 , G06F16/901 , G16C20/30 , G16C20/70
Abstract: 本说明书公开了一种基于分层池化图哈希的图数据检索模型训练方法，待训练的检索模型包含编码子模型和预测子模型，所述编码子模型包含卷积层和编码层，所述卷积层包含嵌入子层、分配子层以及输出子层。在编码子模型的各层卷积过程中，实现了对上一层卷积层特征矩阵表示的节点特征的聚合，以及对上一层卷积层邻接矩阵表示的节点个数的聚合，使得每个卷积层得到的特征矩阵都保留了图数据的结构信息。根据特征矩阵得到图特征，再根据图特征得到图数据的图哈希码，因为特征矩阵保留了图数据的结果信息，所以得到的图哈希码更加准确，在根据图哈希码进行图数据检索时，得到的检索结果也更加准确。
-
公开(公告)号：CN117171401B
公开(公告)日：2024-01-26
申请号：CN202311457494.1
申请日：2023-11-03
Applicant: 之江实验室
IPC: G06F16/903 , G06F16/901
Abstract: 本说明书公开了一种基于分层预计算的图数据中最短路径的查询方法和装置，在接收到查询请求时，确定起始节点和目标节点，从预先构建得到的包含地标节点和普通节点的各层生成图中，根据各层生成图中普通节点与地标节点之间的最短路径、各地标节点之间的最短路径，确定该起始节点和目标节点各层生成图数据中的最短路径，作为各目标路径。即使在目标图数据中包含的节点数较多的情况下，也可通过使用较少的计算资源存储普通节点和地标节点之间的最短路径，快速查询到起始节点和目标节点之间的最短路径，保证了查询效率。
-
公开(公告)号：CN117391150A
公开(公告)日：2024-01-12
申请号：CN202311673951.0
申请日：2023-12-07
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/08 , G06F16/901 , G16C20/30 , G16C20/70
Abstract: 本说明书公开了一种基于分层池化图哈希的图数据检索模型训练方法，待训练的检索模型包含编码子模型和预测子模型，所述编码子模型包含卷积层和编码层，所述卷积层包含嵌入子层、分配子层以及输出子层。在编码子模型的各层卷积过程中，实现了对上一层卷积层特征矩阵表示的节点特征的聚合，以及对上一层卷积层邻接矩阵表示的节点个数的聚合，使得每个卷积层得到的特征矩阵都保留了图数据的结构信息。根据特征矩阵得到图特征，再根据图特征得到图数据的图哈希码，因为特征矩阵保留了图数据的结果信息，所以得到的图哈希码更加准确，在根据图哈希码进行图数据检索时，得到的检索结果也更加准确。
-
公开(公告)号：CN117171401A
公开(公告)日：2023-12-05
申请号：CN202311457494.1
申请日：2023-11-03
Applicant: 之江实验室
IPC: G06F16/903 , G06F16/901
Abstract: 本说明书公开了一种基于分层预计算的图数据中最短路径的查询方法和装置，在接收到查询请求时，确定起始节点和目标节点，从预先构建得到的包含地标节点和普通节点的各层生成图中，根据各层生成图中普通节点与地标节点之间的最短路径、各地标节点之间的最短路径，确定该起始节点和目标节点各层生成图数据中的最短路径，作为各目标路径。即使在目标图数据中包含的节点数较多的情况下，也可通过使用较少的计算资源存储普通节点和地标节点之间的最短路径，快速查询到起始节点和目标节点之间的最短路径，保证了查询效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
