-
公开(公告)号：CN112861001A
公开(公告)日：2021-05-28
申请号：CN202110190302.X
申请日：2021-02-18
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
IPC: G06F16/9535 , G06F16/951 , G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种数字内容的推荐值生成方法、装置、电子设备及存储介质；方法包括：根据目标数字内容的属性信息以及目标数字内容的文本描述信息，得到目标数字内容的第一特征向量；根据目标数字内容的第一特征向量，得到目标数字内容的第二特征向量；其中，所述第二特征向量是用于反映数字内容受欢迎程度的特征向量；根据所述目标数字内容的第二特征向量，得到所述目标数字内容的推荐值。本发明的适用范围更广，对于刚在市场上流通的数字内容，或影响力尚处于上升期的数字内容，所生成的推荐值的准确率更高。
-
公开(公告)号：CN113792183A
公开(公告)日：2021-12-14
申请号：CN202111091840.X
申请日：2021-09-17
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
IPC: G06F16/783 , G06F40/30 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种文本生成方法、装置及计算设备。方法包括：对待处理视频的各视频帧图像进行特征处理，得到视频特征向量；基于视频特征向量，获取任一视频帧图像与待处理视频中的其他视频帧图像的关联关系，根据关联关系提取待处理视频对应的视频核心内容特征向量；获取与待处理视频关联的衍生数据、比赛统计数据，对衍生数据、比赛统计数据进行向量化处理，得到衍生数据特征向量、比赛统计数据特征向量；对视频核心内容特征向量、衍生数据特征向量、比赛统计数据特征向量进行解码处理，得到待处理视频对应的文本内容，提升了文本内容生成的准确性和可靠性，解决了生成成本高的问题。
-
公开(公告)号：CN107229610A
公开(公告)日：2017-10-03
申请号：CN201710162111.6
申请日：2017-03-17
Applicant: 咪咕数字传媒有限公司
CPC classification number: G06F17/2785 , G06F17/2775 , G06K9/6268
Abstract: 本发明公开了一种情感数据的分析方法，所述方法包括：获取待分析数据；对所述待分析数据进行分词处理，得到分词特征数据；将所述分词特征数据生成用于确定所述分词特征数据中各词之间语义关系的分布式词向量；根据所述分布式词向量中各词的特征数据，得到所述待分析数据的完整数据向量；根据学习模型对所述完整数据向量进行分类计算，得到用于确定所述待分析数据的情感属性。本发明还同时公开了一种情感数据的分析装置。
-
公开(公告)号：CN113792183B
公开(公告)日：2023-09-08
申请号：CN202111091840.X
申请日：2021-09-17
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
IPC: G06N3/0475 , G06F40/30 , G06F16/783 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种文本生成方法、装置及计算设备。方法包括：对待处理视频的各视频帧图像进行特征处理，得到视频特征向量；基于视频特征向量，获取任一视频帧图像与待处理视频中的其他视频帧图像的关联关系，根据关联关系提取待处理视频对应的视频核心内容特征向量；获取与待处理视频关联的衍生数据、比赛统计数据，对衍生数据、比赛统计数据进行向量化处理，得到衍生数据特征向量、比赛统计数据特征向量；对视频核心内容特征向量、衍生数据特征向量、比赛统计数据特征向量进行解码处理，得到待处理视频对应的文本内容，提升了文本内容生成的准确性和可靠性，解决了生成成本高的问题。
-
公开(公告)号：CN114398854A
公开(公告)日：2022-04-26
申请号：CN202111405571.X
申请日：2021-11-24
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
IPC: G06F40/117 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例涉及自然语言处理技术领域，公开了一种电子书的标签生成方法、装置及电子设备。该方法包括：获取目标电子书的当前更新内容，根据所述当前更新内容以及所述目标电子书的关联信息确定所述目标电子书的粗粒度信息特征；根据所述目标电子书的历史标签信息确定所述目标电子书的标签修正语义特征；根据完本状态的相似电子书的标签信息确定所述目标电子书的标签监督语义特征，其中，所述相似电子书为与所述目标电子书属于相同图书分类的电子书；将所述粗粒度信息特征、所述标签修正语义特征以及所述标签监督语义特征输入预训练的变分自编码器模型，以生成所述目标电子书的标签。通过上述方式，本发明实施例提高了电子书标签生成的准确性。
-
Patent Agency Ranking
公开(公告)号：CN107229610B
公开(公告)日：2019-06-21
申请号：CN201710162111.6
申请日：2017-03-17
Applicant: 咪咕数字传媒有限公司
Abstract: 本发明公开了一种情感数据的分析方法，所述方法包括：获取待分析数据；对所述待分析数据进行分词处理，得到分词特征数据；将所述分词特征数据生成用于确定所述分词特征数据中各词之间语义关系的分布式词向量；根据所述分布式词向量中各词的特征数据，得到所述待分析数据的完整数据向量；根据学习模型对所述完整数据向量进行分类计算，得到用于确定所述待分析数据的情感属性。本发明还同时公开了一种情感数据的分析装置。
-
公开(公告)号：CN112861001B
公开(公告)日：2023-04-28
申请号：CN202110190302.X
申请日：2021-02-18
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
IPC: G06F16/9535 , G06F16/951 , G06F40/216 , G06F18/2415 , G06N3/045 , G06N3/08
Abstract: 本发明实施例提供一种数字内容的推荐值生成方法、装置、电子设备及存储介质；方法包括：根据目标数字内容的属性信息以及目标数字内容的文本描述信息，得到目标数字内容的第一特征向量；根据目标数字内容的第一特征向量，得到目标数字内容的第二特征向量；其中，所述第二特征向量是用于反映数字内容受欢迎程度的特征向量；根据所述目标数字内容的第二特征向量，得到所述目标数字内容的推荐值。本发明的适用范围更广，对于刚在市场上流通的数字内容，或影响力尚处于上升期的数字内容，所生成的推荐值的准确率更高。
-
公开(公告)号：CN113592289A
公开(公告)日：2021-11-02
申请号：CN202110857447.0
申请日：2021-07-28
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种图书质量的预测方法、装置及设备，该方法包括：获取当前图书的第一相关信息，所述第一相关信息包括图书的多个不同类型的信息；根据所述当前图书的第一相关信息，获得所述第一相关信息与所述当前图书的实际价值信息之间的隐性关系，所述实际价值信息用于客观反映当前图书的价值；根据所述隐性关系，获得所述当前图书的预测质量结果。通过上述方式，本发明实现了图书的自动质量预测评估，为用户选书提供可靠支撑。
-
公开(公告)号：CN109165380A
公开(公告)日：2019-01-08
申请号：CN201810837902.9
申请日：2018-07-26
Applicant: 咪咕数字传媒有限公司
Abstract: 本发明公开了一种神经网络模型训练方法，包括：获取由若干文本的语义主题特征向量构成的样本特征集，以及可作为文本标签的若干标签构成的标签集；基于所述样本特征集和所述标签集，按照下述方式训练神经网络模型：以所述样本特征集为第1层神经网络模型的输入，以所述标签集中第1个标签为第1层神经网络模型的输出，训练第1级神经网络模型；以第m-1层的训练结果以及所述样本特征集为第m层神经网络模型的输入，以所述标签集中第m个标签为第m层神经网络模型的输出，训练第m级神经网络模型；其中，2≤m≤M，M为所述标签集包括的标签总数量。本发明还公开了一种神经网络模型训练装置、文本标签确定方法及装置。
-
公开(公告)号：CN114398854B
公开(公告)日：2024-06-11
申请号：CN202111405571.X
申请日：2021-11-24
Applicant: 咪咕数字传媒有限公司 , 咪咕文化科技有限公司 , 中国移动通信集团有限公司
IPC: G06F40/117 , G06F40/30 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例涉及自然语言处理技术领域，公开了一种电子书的标签生成方法、装置及电子设备。该方法包括：获取目标电子书的当前更新内容，根据所述当前更新内容以及所述目标电子书的关联信息确定所述目标电子书的粗粒度信息特征；根据所述目标电子书的历史标签信息确定所述目标电子书的标签修正语义特征；根据完本状态的相似电子书的标签信息确定所述目标电子书的标签监督语义特征，其中，所述相似电子书为与所述目标电子书属于相同图书分类的电子书；将所述粗粒度信息特征、所述标签修正语义特征以及所述标签监督语义特征输入预训练的变分自编码器模型，以生成所述目标电子书的标签。通过上述方式，本发明实施例提高了电子书标签生成的准确性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
