-
公开(公告)号：CN117152770A
公开(公告)日：2023-12-01
申请号：CN202311081395.8
申请日：2023-08-25
Applicant: 北京智精灵科技有限公司
IPC: G06V30/19 , G06N3/0442 , G06N3/08 , G06V10/28 , G06V10/44 , G06V10/764 , G06V10/82 , G06V30/16 , G06V30/162 , G06V30/18 , G06V30/262
Abstract: 本发明公开了一种面向手写输入的书写能力智能评测方法及系统。该方法包括如下步骤：获取用户输入的手写文字图片；基于预设的文本识别模型对手写文字图片进行文本识别，以将手写文字图片转化为候选文本；基于预设的文本矫正模型对候选文本进行文本矫正，以将候选文本矫正为正式文本；基于预设的文本分析模型对正式文本进行文本分析，以输出针对于用户的文本分析结果；根据文本分析结果对用户进行书写能力智能评测。由此，利用该方法能够实现手写文字识别与文本语义分析的完整评测流程，并针对书写随意、字体潦草等问题进行了兼容，在保证准确性的同时，极大地提高了整个评测方法的鲁棒性和实用性。
-
公开(公告)号：CN116992979A
公开(公告)日：2023-11-03
申请号：CN202311267670.5
申请日：2023-09-28
Applicant: 北京智精灵科技有限公司
Abstract: 本发明公开了一种基于深度学习的认知训练任务推送方法及系统。该方法包括如下步骤：获取用户画像数据和认知训练任务数据，并输入预训练模型；基于预训练模型进行预处理，形成预处理数据；基于预训练模型对预处理数据进行特征嵌入和特征拼接，形成输入向量；基于预训练模型对输入向量进行加权求和与深度兴趣网络分析，输出加权求和结果和深层次特征信息；基于加权求和结果，预测认知训练任务得分；并基于深层次特征信息，预测认知训练任务组合的任务得分增量列表；重复上述过程，以不断预测用户不同认知训练任务组合的任务得分增量列表，从而选取增量变化最大的认知训练任务组合推送给用户进行认知训练。
-
公开(公告)号：CN116701963A
公开(公告)日：2023-09-05
申请号：CN202310996571.4
申请日：2023-08-09
Applicant: 北京智精灵科技有限公司
IPC: G06F18/22 , G06F40/126 , G06F18/241
Abstract: 本发明公开了一种字符串模糊匹配的方法及系统。该方法包括：S1：识别量表中的题目，对采集到的文本进行编码；S2：将正确文本的编码与采集到的文本的编码，分别采用KMP算法，得到两个需要计算相似度的字符串；S3：将步骤S2中得到的两个需要计算相似度的字符串，分别输入相似度计算函数，得到具体相似度数值；S4：将通过步骤S3得到相似度数值与预设的相似度阈值进行比较，判断采集到的文本是否与正确文本匹配成功。本发明解决了多种混合字符统一编码问题，方便各种场合下字符匹配和关键词搜索，并实现了快速关键词模糊匹配，提高了关键词信息匹配和搜索的准确率。
-
公开(公告)号：CN119149718B
公开(公告)日：2025-02-25
申请号：CN202411662715.3
申请日：2024-11-20
Applicant: 北京智精灵科技有限公司
IPC: G06F16/3329 , G06F16/334 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种缓解大语言模型幻觉的方法及系统。该方法包括如下步骤：获取大语言模型中第t个时间步的多个候选词；针对各候选词，获取大语言模型的每一层中高层神经网络的预测概率；针对各候选词，将大语言模型的每一层中高层神经网络的预测概率进行归一化处理，形成跨层预测分布，并计算跨层预测分布的熵作为各候选词的跨层熵；基于各候选词的跨层熵，对各候选词在第t个时间步下的初始预测概率进行修正，以获取各候选词在第t个时间步下的修正概率；输出修正概率的值最高的候选词，作为第t个时间步对应的输出结果。利用本发明，可以有效消除大语言模型的输出幻觉。
-
公开(公告)号：CN115295153A
公开(公告)日：2022-11-04
申请号：CN202211219173.3
申请日：2022-09-30
Applicant: 北京智精灵科技有限公司
Abstract: 本发明公开了一种基于深度学习的认知评估方法及认知任务推送方法。该认知评估方法包括如下步骤：获取用户的多种数据信息；对多种数据信息进行预处理，以根据每一种数据信息的特征进行数据编码；基于DEEP模型对预处理后的特征数据进行特征转化，以得到第一特征数据；并基于WIDE模型对预处理后的特征数据进行交叉组合，以获取第二特征数据；基于FC全连接层将第一特征数据和第二特征数据进行特征整合；基于MTL模型对融合后的特征数据进行多任务学习，以获取针对用户的认知训练任务的各项二级脑能力的变化值。该方法能够基于用户的多种数据信息确定出对用户产生积极影响的最佳训练任务组合，形成疗效最好、治疗副作用最低的认知训练方案。
-
公开(公告)号：CN119149718A
公开(公告)日：2024-12-17
申请号：CN202411662715.3
申请日：2024-11-20
Applicant: 北京智精灵科技有限公司
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种缓解大语言模型幻觉的方法及系统。该方法包括如下步骤：获取大语言模型中第t个时间步的多个候选词；针对各候选词，获取大语言模型的每一层中高层神经网络的预测概率；针对各候选词，将大语言模型的每一层中高层神经网络的预测概率进行归一化处理，形成跨层预测分布，并计算跨层预测分布的熵作为各候选词的跨层熵；基于各候选词的跨层熵，对各候选词在第t个时间步下的初始预测概率进行修正，以获取各候选词在第t个时间步下的修正概率；输出修正概率的值最高的候选词，作为第t个时间步对应的输出结果。利用本发明，可以有效消除大语言模型的输出幻觉。
-
公开(公告)号：CN116883794B
公开(公告)日：2024-05-31
申请号：CN202311150885.9
申请日：2023-09-07
Applicant: 北京智精灵科技有限公司
IPC: G06V10/776 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于图注意力网络的空间结构认知能力评估方法及系统。该方法包括如下步骤：从预设题库中随机抽取空间几何图形，供用户进行绘制；获取用户对空间几何图形的绘制信息，其中，绘制信息至少包括绘制图形、线条坐标以及线条绘制顺序；基于绘制信息进行采样点的采集，并将采集信息转化为预设形式的输入信息；将输入信息输入预设模型，以基于预设模型判断绘制图形属于正确类别的概率值；基于概率值计算用户的空间认知能力得分，用于对用户进行空间结构认知能力评估。本发明采用机器学习模型进行空间结构认知能力评估，可以节约人力成本，同时不依赖于昂贵设备，显著降低认知能力评估成本。
-
公开(公告)号：CN117133456A
公开(公告)日：2023-11-28
申请号：CN202310995715.4
申请日：2023-08-09
Applicant: 北京智精灵科技有限公司
IPC: G16H50/30 , G16H15/00 , G16H10/20 , G16H10/60 , G06F16/903 , G06F18/22 , G06V30/22 , G06V40/70 , G06V10/74 , G06V10/82 , G10L15/26 , G06F40/126 , G06F40/253 , G06F40/30
Abstract: 本发明公开了一种基于智能引导和算法分析的认知测评方法及系统。该认知测评方法包括如下步骤：录入患者信息，在认知测评客户端子系统中建立初次认知测评任务；进行认知测评，获取患者的测评数据；认知测评算法模型子系统根据测评数据，进行数据计算，得到测评分数；对测评分数进行校准和复核，生成认知测评报告。本发明采用多种认知测评引导方式，达到医患一对多或不需要专业人员参与的目的；避免了因专业人员的认知和专业性的差异导致的评分差异，使测评结果更加客观精确，实现了量表测评结果的统一。
-
公开(公告)号：CN117851606A
公开(公告)日：2024-04-09
申请号：CN202311861172.3
申请日：2023-12-31
Applicant: 北京智精灵科技有限公司
IPC: G06F16/36 , G06F40/30 , G06F40/279 , G06N20/00
Abstract: 本发明公开了一种面向数字诊疗的中文汉字知识图谱构建方法及系统。该方法包括如下步骤：采集公开文字、结构化文档、非结构化文档；根据数据情况进行对应数据整理；若数据为非结构化数据，则通过实体识别模型得到每个字的语素和语素示例词语；若数据为需要进行相似度对比的语句，则通过语义相似性模型对其进行相似度计算；将整理后的数据通过python脚本存入数据库中，即构成知识图谱。本发明收集了海量的针对数字诊疗的中文字、词、拼音素材，使用人工智能技术，大量、准确的收集构建中文知识库，相比之前科研人员重复机械性的收集，效率大幅度提升，特别适用于数字诊疗场景。
-
公开(公告)号：CN116992979B
公开(公告)日：2024-01-23
申请号：CN202311267670.5
申请日：2023-09-28
Applicant: 北京智精灵科技有限公司
Abstract: 本发明公开了一种基于深度学习的认知训练任务推送方法及系统。该方法包括如下步骤：获取用户画像数据和认知训练任务数据，并输入预训练模型；基于预训练模型进行预处理，形成预处理数据；基于预训练模型对预处理数据进行特征嵌入和特征拼接，形成输入向量；基于预训练模型对输入向量进行加权求和与深度兴趣网络分析，输出加权求和结果和深层次特征信息；基于加权求和结果，预测认知训练任务得分；并基于深层次特征信息，预测认知训练任务组合的任务得分增量列表；重复上述过程，以不断预测用户不同认知训练任务组合的任务得分增量列表，从而选取增量变化最大的认知训练任务组合推送给用户进行认知训练。
