-
公开(公告)号：CN119418142B
公开(公告)日：2025-05-16
申请号：CN202510026855.X
申请日：2025-01-08
Applicant: 北京市大数据中心 , 太极计算机股份有限公司
Abstract: 本申请公开了一种基于深度学习的多模态数据特征处理方法、系统及介质，主要涉及多模态数据技术领域，用以解决由于传统技术无法识别多种类型的数据图像，进而无法在用户查找数据时提供多类型数据图像的问题。包括：获取各个类型的数据图像，将数据图像转化为结构化数据，确定对应的特征提取算法，获得特征数据；根据对齐因子，获取同属于相同对齐因子的特征数据，拼接成一个特征向量，获得降维后的数据矩阵；通过降维后的数据矩阵和对应的标签数据，训练预设深度学习模型；根据用户检索信息对应的降维后的数据矩阵；将降维后的数据矩阵作为训练好的预设深度学习模型的输入，获得标签数据；进而获取标签数据对应的各个类型的数据图像。
-
公开(公告)号：CN119418142A
公开(公告)日：2025-02-11
申请号：CN202510026855.X
申请日：2025-01-08
Applicant: 北京市大数据中心 , 太极计算机股份有限公司
Abstract: 本申请公开了一种基于深度学习的多模态数据特征处理方法、系统及介质，主要涉及多模态数据技术领域，用以解决由于传统技术无法识别多种类型的数据图像，进而无法在用户查找数据时提供多类型数据图像的问题。包括：获取各个类型的数据图像，将数据图像转化为结构化数据，确定对应的特征提取算法，获得特征数据；根据对齐因子，获取同属于相同对齐因子的特征数据，拼接成一个特征向量，获得降维后的数据矩阵；通过降维后的数据矩阵和对应的标签数据，训练预设深度学习模型；根据用户检索信息对应的降维后的数据矩阵；将降维后的数据矩阵作为训练好的预设深度学习模型的输入，获得标签数据；进而获取标签数据对应的各个类型的数据图像。
-
公开(公告)号：CN119357348A
公开(公告)日：2025-01-24
申请号：CN202411301357.3
申请日：2024-09-18
Applicant: 北京市大数据中心 , 太极计算机股份有限公司
IPC: G06F16/3329 , G06F40/279 , G06F40/30 , G06N3/084
Abstract: 本发明提出的一种基于复杂网络语义的意图匹配方法、系统、装置及介质，所述方法包括：收集需求领域的问答数据集，对问答数据进行清洗、实体链接和词嵌入处理；基于LoRA对BERT模型进行调整和训练，在每轮训练中，进行向前传播、计算损失、反向传播和更新BERT模型参数；获取用户输入的问题数据，对问题数据进行处理和特征提取，输入到BERT模型中，生成意图匹配的最佳结果；通过收集用户输入的问答数据，定期更新BERT模型。本发明利用LoRA技术微调BERT模型，让模型在特定领域中进行训练，能够有效增强模型在特定领域中语义意图识别能力。
-
-
Search Results
3
records
(took 0.04 seconds)
