-
公开(公告)号:CN116484126A
公开(公告)日:2023-07-25
申请号:CN202210040984.0
申请日:2022-01-14
Applicant: 微软技术许可有限责任公司
IPC: G06F16/957 , G06F16/958
Abstract: 本公开提供了用于网页中的列表提取和可视化的方法、装置和计算机程序产品。可以检测目标网页中的至少一个锚点元素组,所述至少一个锚点元素组包括第一锚点元素组。可以对所述第一锚点元素组中的多个锚点元素执行边界检测,以获得与所述多个锚点元素分别关联的多个项目的边界,所述多个项目对应于所述目标网页中的第一原始列表。可以利用所述多个项目的边界,从所述目标网页中获得与所述多个项目分别对应的多组代表性元数据。可以将所述多组代表性元数据可视化为结构化列表。
-
公开(公告)号:CN108345939A
公开(公告)日:2018-07-31
申请号:CN201710061333.9
申请日:2017-01-25
Applicant: 微软技术许可有限责任公司
IPC: G06N3/08
CPC classification number: G06N3/063 , G06N3/0454 , G06N3/08
Abstract: 本公开的实现提出了一种用于训练卷积神经网络的方案。在该方案中,利用定点格式来存储神经网络的参数,例如,权重和偏置。定点格式的参数具有预定义的位宽并且可以存储在专用处理设备的存储单元中。专用处理设备在执行方案时,接收对卷积层的输入,并且从存储单元读取卷积层的参数。专用处理设备可以基于卷积层的输入和所读取的参数来计算卷积层的输出。以这种方式,可以降低对专用处理设备的存储空间以及计算资源的要求。
-
公开(公告)号:CN108052489A
公开(公告)日:2018-05-18
申请号:CN201711457019.9
申请日:2012-08-31
Applicant: 微软技术许可有限责任公司
CPC classification number: G06F17/2863 , G06F17/2223 , G06F17/276
Abstract: 公开了用于输入法编辑器的个人语言模型。一些示例包括基于在文件系统中的一个或多个位置处存储的一个或多个文件的语言特性生成个人语言模型。此外,一些实现包括诸如响应于经由输入法编辑器界面接收到拉丁文字符串,至少部分地基于个人语言模型来预测并呈现非拉丁文字符串。
-
公开(公告)号:CN108345939B
公开(公告)日:2022-05-24
申请号:CN201710061333.9
申请日:2017-01-25
Applicant: 微软技术许可有限责任公司
IPC: G06N3/08
Abstract: 本公开的实现提出了一种用于训练卷积神经网络的方案。在该方案中,利用定点格式来存储神经网络的参数,例如,权重和偏置。定点格式的参数具有预定义的位宽并且可以存储在专用处理设备的存储单元中。专用处理设备在执行方案时,接收对卷积层的输入,并且从存储单元读取卷积层的参数。专用处理设备可以基于卷积层的输入和所读取的参数来计算卷积层的输出。以这种方式,可以降低对专用处理设备的存储空间以及计算资源的要求。
-
公开(公告)号:CN112673369A
公开(公告)日:2021-04-16
申请号:CN201980047024.3
申请日:2019-06-18
Applicant: 微软技术许可有限责任公司
IPC: G06F16/50 , G06F16/35 , G06F16/583
Abstract: 代表性实施例公开了用于对图像执行可视意图分类或者可视意图检测或者两者的机制。可视意图分类利用根据分类分类法来对所述图像中的对象进行分类的训练过的机器学习模型。可视意图分类可以被用作用于发起进一步动作的预触发机制以大大节省处理时间。示例进一步动作包括用户场景、查询定制、用户体验增强等。可视意图检测利用训练过的机器学习模型来标识图像中的对象,在所述图像周围放置边界框,并且根据所述分类法来对所述对象进行分类。所述训练过的机器学习模型利用多个特征检测器、多层预测、多标签分类器和边界框回归。
-
公开(公告)号:CN112673369B
公开(公告)日:2024-09-06
申请号:CN201980047024.3
申请日:2019-06-18
Applicant: 微软技术许可有限责任公司
IPC: G06F16/50 , G06F16/35 , G06F16/583
Abstract: 代表性实施例公开了用于对图像执行可视意图分类或者可视意图检测或者两者的机制。可视意图分类利用根据分类分类法来对所述图像中的对象进行分类的训练过的机器学习模型。可视意图分类可以被用作用于发起进一步动作的预触发机制以大大节省处理时间。示例进一步动作包括用户场景、查询定制、用户体验增强等。可视意图检测利用训练过的机器学习模型来标识图像中的对象,在所述图像周围放置边界框,并且根据所述分类法来对所述对象进行分类。所述训练过的机器学习模型利用多个特征检测器、多层预测、多标签分类器和边界框回归。
-
-
-
-
-