-
公开(公告)号：CN110222152A
公开(公告)日：2019-09-10
申请号：CN201910455756.8
申请日：2019-05-29
Applicant: 北京邮电大学 , 海南中智信信息技术有限公司
Abstract: 本发明实施例提供一种基于机器阅读理解的问题答案获取方法及系统。其中，方法包括：将问题和对应的文档集输入至训练后的神经网络模型，获取训练后的神经网络模型的输出结果；根据输出结果，从文档集中确定问题对应的答案；其中，训练后的神经网络模型根据训练集训练得到，训练集包括多个样本问题以及每个样本问题对应的样本文档集和样本标签集。本发明实施例提供的方法及系统，通过将问题和对应的文档集输入至训练后的神经网络模型，根据训练后的神经网络模型的输出结果，从文档集中确定问题对应的答案。填补了描述类问题机器阅读理解模型的短缺，有效的利用了多文档的特点，保留了更多文档信息，能够更加精准地提取描述类问题的答案。
-
公开(公告)号：CN110222152B
公开(公告)日：2021-05-14
申请号：CN201910455756.8
申请日：2019-05-29
Applicant: 北京邮电大学 , 海南中智信信息技术有限公司
IPC: G06F16/33 , G06F40/289
Abstract: 本发明实施例提供一种基于机器阅读理解的问题答案获取方法及系统。其中，方法包括：将问题和对应的文档集输入至训练后的神经网络模型，获取训练后的神经网络模型的输出结果；根据输出结果，从文档集中确定问题对应的答案；其中，训练后的神经网络模型根据训练集训练得到，训练集包括多个样本问题以及每个样本问题对应的样本文档集和样本标签集。本发明实施例提供的方法及系统，通过将问题和对应的文档集输入至训练后的神经网络模型，根据训练后的神经网络模型的输出结果，从文档集中确定问题对应的答案。填补了描述类问题机器阅读理解模型的短缺，有效的利用了多文档的特点，保留了更多文档信息，能够更加精准地提取描述类问题的答案。
-
公开(公告)号：CN119884304A
公开(公告)日：2025-04-25
申请号：CN202411877801.6
申请日：2024-12-19
Applicant: 北京邮电大学
IPC: G06F16/3329 , G06F16/334 , G06F40/30
Abstract: 本发明提供一种对话管理方法、系统、电子设备、存储介质及程序产品，所述方法包括：对用户的输入文本进行意图识别，得到意图识别结果；基于意图识别结果，在用户具有使用权限的意图列表中进行匹配；若匹配成功，则调用意图识别结果所关联的第一目标工具执行对应的业务，并返回业务执行结果；若匹配失败，则对意图识别结果进行纠正，调用纠正后的意图识别结果所关联的第二目标工具执行对应的业务，并返回业务执行结果。本发明提供的对话管理方法，引入了意图纠正机制，有效降低了由于多意图和相近意图所带来的误识别率，同时提高了业务流程执行的准确率，从而提升了系统的整体可靠性和用户体验，确保在复杂环境下的高效业务执行。
-
公开(公告)号：CN116321219A
公开(公告)日：2023-06-23
申请号：CN202310024302.1
申请日：2023-01-09
Applicant: 北京邮电大学
IPC: H04W24/02
Abstract: 本发明提供一种自适应蜂窝基站联邦形成方法、联邦学习方法及装置，根据基站数据的分布进行初始聚类形成初始联邦，采用中心性原则在初始联邦选取联邦领导者基站，由联邦领导者基站通过粒子群优化算法动态选择联邦参与者基站，通过引入联邦学习任务指定过程中的性能参数计算适应度值进行求解，能够实现选择得到的联邦参与者基站能够实现联邦学习性能整体最优，使得移动通信中蜂窝基站之间非独立分布的数据也能实现高效利用，完成联邦学习任务。
-
公开(公告)号：CN115051925A
公开(公告)日：2022-09-13
申请号：CN202210683711.8
申请日：2022-06-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于迁移学习的时空序列预测方法，属于时空序列预测领域和迁移预测领域；具体为：首先，收集待预测城市的无线业务流量，作为时空序列源数据，基于时空预测模型的局部卷积网络和残差网络，学习时空特征；同时提取外部信息源数据，基于局部卷积学习外部信息特征；然后，将时空特征输入对抗生成网络，学习得到时空共性特征；通过融合时空特征、时空共性特征和外部信息特征，得到时空预测模型的预测值；并通过最小化预测损失函数，优化预测模型的参数。最后，将该时空预测模型迁移到与源数据具备同时空的共性特征的目标域数据，得到目标域模型参数，并进一步对目标域进行预测。本发明提高了预测准确度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112905807A
公开(公告)日：2021-06-04
申请号：CN202110320156.8
申请日：2021-03-25
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F16/387 , G06F40/194 , G06N20/00
Abstract: 本发明公开了一种多源时空知识融合方法，属于知识图谱领域。具体为：首先，选取两种时空精度和采样率都有较大差异的异质时空数据源，分别进行预处理，得到各自对应的时空轨迹序列；并分别构建各自对应的时空知识图谱；接着、利用基于衰减机制的长路径的知识图表示算法对时空知识图谱中的三元组分别进行训练学习，得到每个实体对应的最终低维向量；依次选择第二种时空知识图谱中的未对齐实体S，经过变换函数后与第一种时空知识图谱中的所有实体逐一进行相似度对比，选择相似度最高的实体进行实体对的匹配；最后，按照所有实体对齐的结果，对两种不同的时空数据源进行时空知识的融合；本发明有效的弥补了单一时空数据源中时空知识的不完整性。
-
公开(公告)号：CN110599387A
公开(公告)日：2019-12-20
申请号：CN201910729870.5
申请日：2019-08-08
Applicant: 北京邮电大学
IPC: G06T1/00
Abstract: 本发明实施例提供一种自动去除图片水印的方法及装置，该方法包括：获取带水印图片；将所述带水印图片输入训练好的预设神经网络，根据所述训练好的预设神经网络的输出结果，得到去水印图片。通过神经网络分类器对带水印图片集进行去除处理，生成去除水印后的样本图片集，将去除水印后的样本图片集、无水印图片集和带水印图片集作为训练样本，以去除水印后的样本图片集和无水印图片集的平均绝对误差值最小化为目标将神经网络生成器和神经网络分类器进行对抗学习，进行多次训练，得到能够有效去除水印的训练好的预设神经网络，从而可以根据训练好的预设神经网络对带水印图片进行去水印处理，高效的去水印图片。
-
公开(公告)号：CN102497671B
公开(公告)日：2014-08-06
申请号：CN201110397637.5
申请日：2011-12-02
Applicant: 北京邮电大学
Abstract: 本发明公开了一种家庭基站干扰自适应的频率分配方法和家庭基站，其中，该方法包括：家庭基站确定其可用的频率带宽；家庭基站根据其邻居家庭基站的参考信号的接收功率判断该邻居家庭基站是否为强干扰邻居家庭基站，并根据强干扰邻居家庭基站的数量确定家庭基站的受干扰强度等级；家庭基站根据其可用频率带宽和受干扰强度等级，对家庭小区的总频率需求带宽进行自适应频率资源分配。通过本发明，充分考虑跨层干扰和层内干扰，频率分配机制既避免了对附近MUE的干扰，又减小了家庭小区之间的层内干扰，保证了受强干扰MUE的基本通信，提高了系统的吞吐量。
-
公开(公告)号：CN101841522B
公开(公告)日：2013-11-06
申请号：CN201010102930.X
申请日：2010-01-27
Applicant: 北京邮电大学
IPC: H04L29/06
Abstract: 本发明提供一种SIP网络与P2PSIP网络互通的方法和系统。其中，P2PSIP网络中的节点发起会话的呼叫路由流程：P2PSIP会话发起节点从DNS服务器查询SIP代理节点的地址，并向其发送SIP INVITE请求，SIP代理节点将请求转发给SIP会话目标节点，实现SIP会话目标节点与P2PSIP会话发起节点互通。SIP网络中的节点发起会话的呼叫路由流程：SIP会话发起节点从SIP代理节点查询P2PSIP代理节点的地址，并向其转发SIP INVITE请求，P2PSIP代理节点找到P2PSIP会话目标节点的地址，并向其转发SIP INVITE请求，实现P2PSIP会话目标节点与SIP会话发起节点互通。本发明解决在P2PSIP网络与传统SIP网络之间的互通问题。
-
公开(公告)号：CN103067475A
公开(公告)日：2013-04-24
申请号：CN201210564609.2
申请日：2012-12-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种数据传输方法和WoT系统，其中该方法包括：所述中间件获取感知层设备的数据信息；所述中间件将所述数据信息封装为预定帧结构的协议数据单元PDU，其中，所述预定帧结构的PDU至少携带有：设备业务数据；所述中间件对所述预定帧结构的PDU进行数据处理。通过本发明，能够使不同系统的传感器数据以统一的消息流程和格式在WoT平台上交互信息。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.066 seconds)
