-
公开(公告)号：CN119311805B
公开(公告)日：2025-03-07
申请号：CN202411854381.X
申请日：2024-12-17
Applicant: 科讯嘉联信息技术有限公司 , 安徽信息工程学院
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F18/214 , G06F18/23 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/092 , G06Q30/01
Abstract: 本发明公开了一种利用强化学习自适应调整交互策略的智能客服方法，包括如下步骤：S1、获取用户输入的自然语言文本，生成多维状态向量；S2、应用实时动态聚类算法对用户进行分组，并更新聚类结果；S3、生成特定状态的动作空间，并结合规则基策略与学习基策略，丰富动作空间；S4、通过图卷积网络聚合邻居节点特征，并提取局部特征；S5、应用图注意力网络对邻近节点特征进行加权，动态分配注意力权重；S6、采用回旋梯式深度探索网络进行交互策略优化，优化动作选择；S7、结合在线学习与经验回放机制，持续更新交互策略，并对动态变化的用户需求作出快速响应。本发明结合强化学习、图神经网络及情感分析技术，实现智能客服交互策略自适应调整优化。
-
Patent Agency Ranking
公开(公告)号：CN119722504A
公开(公告)日：2025-03-28
申请号：CN202411651642.8
申请日：2024-11-19
Applicant: 安徽信息工程学院
IPC: G06T5/70 , G06T5/50 , G06T5/60 , G06T5/90 , G06N3/0464 , G06N3/044 , G06N3/045 , G06V10/44 , G06V10/60 , G06V10/62 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于深度神经网络的图像实时去噪和增强方法，包括如下步骤：利用多种传感器并行采集不同模态的图像数据，并通过传感器协同工作捕捉动态场景特征；对采集的多模态图像数据进行自适应划分，依据环境因素评估各子区域的特性，动态确定其处理优先级；针对不同子区域，动态选择最适合的深度神经网络架构进行并行处理；结合图像的时序特性，通过自适应时间窗口调整处理频率；对去噪和增强后的子区域进行像素级动态融合；通过实时反馈机制对处理参数进行调整，实现对神经网络模型的增量优化和微调，最终输出高质量的图像数据。本发明旨在通过多模态数据采集、自适应划分和实时优化，提升动态环境下的图像质量。
-
公开(公告)号：CN119312877B
公开(公告)日：2025-03-04
申请号：CN202411876895.5
申请日：2024-12-19
Applicant: 科讯嘉联信息技术有限公司 , 安徽信息工程学院
IPC: G06N3/096 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N7/01 , G06Q10/10 , G06Q30/015 , G06F18/10 , G06F18/213 , G06F40/30
Abstract: 本发明公开了一种结合迁移学习的智能客服跨项目经验迁移方法，S1、生成源项目特征集；S2、生成包含共享特征层的源项目优化模型；S3、通过贝叶斯优化对源项目优化模型中的共享特征层参数进行全局优化；S4、生成优化后的目标项目特征集；S5、构建目标项目模型；S6、对目标项目模型进行微调训练；S7、在目标项目数据集上对微调后的目标项目模型进行语义一致性评估、响应准确率评估和业务逻辑匹配度评估；S8、将通过性能验证的目标项目模型部署至目标项目智能客服系统中。本发明实现了跨项目智能客服系统高效部署的同时，显著提高了模型的迁移效率和服务质量，能够广泛应用于多个行业的智能客服场景中。
-
公开(公告)号：CN119312877A
公开(公告)日：2025-01-14
申请号：CN202411876895.5
申请日：2024-12-19
Applicant: 科讯嘉联信息技术有限公司 , 安徽信息工程学院
IPC: G06N3/096 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N7/01 , G06Q10/10 , G06Q30/015 , G06F18/10 , G06F18/213 , G06F40/30
Abstract: 本发明公开了一种结合迁移学习的智能客服跨项目经验迁移方法，S1、生成源项目特征集；S2、生成包含共享特征层的源项目优化模型；S3、通过贝叶斯优化对源项目优化模型中的共享特征层参数进行全局优化；S4、生成优化后的目标项目特征集；S5、构建目标项目模型；S6、对目标项目模型进行微调训练；S7、在目标项目数据集上对微调后的目标项目模型进行语义一致性评估、响应准确率评估和业务逻辑匹配度评估；S8、将通过性能验证的目标项目模型部署至目标项目智能客服系统中。本发明实现了跨项目智能客服系统高效部署的同时，显著提高了模型的迁移效率和服务质量，能够广泛应用于多个行业的智能客服场景中。
-
公开(公告)号：CN118540804A
公开(公告)日：2024-08-23
申请号：CN202410761117.5
申请日：2024-06-13
Applicant: 安徽信息工程学院
Inventor： 陈明武
Abstract: 本发明公开了一种基于机器学习的切片资源动态调整方法及系统，属于机器学习领域。方法包括：采集数据，并对所述数据进行预处理和分析；基于机器学习对预处理后的数据进行建模和训练，实现对网络流量、用户需求、资源利用情况的预测和优化；根据预测和优化结果，将网络资源按需分割成多个逻辑切片，并将切片资源进行动态分配和配置，再根据数据流量和网络拓扑结构，制定路由策略；对网络资源的实际使用情况和用户需求进行监测，并根据监测结果自动调整切片资源的分配和配置；对网络资源进行实时监控、诊断和管理。本发明提供自适应、智能化、实时动态的网络管理和优化，为新型应用场景和业务需求提供更高效、更可靠的通信服务。
-
公开(公告)号：CN119311805A
公开(公告)日：2025-01-14
申请号：CN202411854381.X
申请日：2024-12-17
Applicant: 科讯嘉联信息技术有限公司 , 安徽信息工程学院
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F18/214 , G06F18/23 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/092 , G06Q30/01
Abstract: 本发明公开了一种利用强化学习自适应调整交互策略的智能客服方法，包括如下步骤：S1、获取用户输入的自然语言文本，生成多维状态向量；S2、应用实时动态聚类算法对用户进行分组，并更新聚类结果；S3、生成特定状态的动作空间，并结合规则基策略与学习基策略，丰富动作空间；S4、通过图卷积网络聚合邻居节点特征，并提取局部特征；S5、应用图注意力网络对邻近节点特征进行加权，动态分配注意力权重；S6、采用回旋梯式深度探索网络进行交互策略优化，优化动作选择；S7、结合在线学习与经验回放机制，持续更新交互策略，并对动态变化的用户需求作出快速响应。本发明结合强化学习、图神经网络及情感分析技术，实现智能客服交互策略自适应调整优化。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
