公开(公告)号：CN119380341A

公开(公告)日：2025-01-28

申请号：CN202411946533.9

申请日：2024-12-27

Applicant: 数据堂(北京)科技股份有限公司

Inventor： 齐红威 ,  何鸿凌 ,  丰强泽 ,  郑继龙 ,  栗全峰 ,  史红欣

IPC: G06V20/70 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464

Abstract: 本申请公开了一种大模型多模态数据语义表征对齐方法，其通过采用基于深度学习的数据处理技术对第一模态数据和第二模态数据分别进行细粒度局部特征提取，并计算所述第一模态数据和第二模态数据的细粒度局部特征之间的相似度，作为初对齐损失函数值，接着，进一步结合全局上下文语义信息，对所述第一模态数据和第二模态数据的细粒度局部特征进行语义强化编码，通过上下文级别的语义对齐度量得到精对齐损失函数值，进而，基于精对齐损失函数值和初对齐损失函数值来指导模型训练，以实现多模态数据的语义表征对齐。通过这种方式，可以显著提高多模态数据在语义层面的对齐精度，为后续的数据融合和应用提供更准确的特征基础。

公开(公告)号：CN120030132A

公开(公告)日：2025-05-23

申请号：CN202510510268.8

申请日：2025-04-23

Applicant: 数据堂(北京)科技股份有限公司

Inventor： 齐红威 ,  丰强泽 ,  肖永红 ,  栗全峰 ,  郑继龙 ,  史红欣

IPC: G06F16/3329 ,  G06F40/205 ,  G06F40/30

Abstract: 本申请涉及智能问答技术领域，其具体地公开了一种基于多模态大模型的问答数据处理方法及系统，其采用基于深度学习的多模态数据处理技术对用户输入的文本问题和图像模态上下文进行语义解析，分别提取出文本问题和图像模态上下文的语义特征，接着对两者进行线性投影以实现特征对齐，并引入跨模态特征全域关联交互机制，挖掘文本问题与图像模态上下文之间的深层次语义关联，实现对文本问题和图像模态上下文信息的有效融合，进而利用大语言模型的推理能力，生成与文本问题相关的文本答案。通过这种方式，能够显著提高问答系统对多模态信息的理解和处理能力，生成与文本问题紧密相关且逻辑完整的文本答案，满足用户对于多模态问答场景下的信息需求。

公开(公告)号：CN119378564B

公开(公告)日：2025-04-25

申请号：CN202411949511.8

申请日：2024-12-27

Applicant: 数据堂(北京)科技股份有限公司

Inventor： 齐红威 ,  王大亮 ,  丰强泽 ,  栗全峰 ,  高禹 ,  郑继龙

IPC: G06F40/30 ,  G06F40/126 ,  G06F40/216

Abstract: 本申请涉及数据标注技术领域，其具体地公开了一种大模型数据智能标注方法及系统，其采用基于深度学习的自然语言处理技术对未标注文本数据集中的各个未标注文本数据进行置信度评估，选择最小置信度对应的文本数据作为代表样本数据，并对所述代表样本数据进行语料扩充，进而，通过对所述代表样本数据和语料扩充后的代表样本数据进行语义特征提取和补偿式交互融合，以充分利用两者之间的共有信息和独特信息，从而实现对所述代表样本数据的全面语义理解和智能标注。通过这种方式，可以显著提高数据标注的效率和准确性，同时大幅度减少人工干预的需求，降低标注成本。

公开(公告)号：CN119377625A

公开(公告)日：2025-01-28

申请号：CN202411946980.4

申请日：2024-12-27

Applicant: 数据堂(北京)科技股份有限公司

Inventor： 齐红威 ,  丰强泽 ,  肖永红 ,  栗全峰 ,  郑继龙 ,  史红欣

IPC: G06F18/21 ,  G06F18/25 ,  G06N3/0442 ,  G06F18/10

Abstract: 本申请公开了一种多维度的大模型数据质量评测方法及系统，其在提取出满足最低内在质量要求的数据集和参考数据集中的各个数据特征之后，基于数据集中各个数据样本之间的信息场效应，对各个数据样本进行特征更新和上下文语义关联强化处理，从而提高各个数据样本的语义特征表达能力，实现更为准确的数据质量评估。这样，通过引入数据集的上下文关联信息，能够更准确地理解各个数据样本的语义信息，进而提升整体数据质量评估的准确性。

公开(公告)号：CN119378564A

公开(公告)日：2025-01-28

申请号：CN202411949511.8

申请日：2024-12-27

Applicant: 数据堂(北京)科技股份有限公司

Inventor： 齐红威 ,  王大亮 ,  丰强泽 ,  栗全峰 ,  高禹 ,  郑继龙

IPC: G06F40/30 ,  G06F40/126 ,  G06F40/216

Abstract: 本申请涉及数据标注技术领域，其具体地公开了一种大模型数据智能标注方法及系统，其采用基于深度学习的自然语言处理技术对未标注文本数据集中的各个未标注文本数据进行置信度评估，选择最小置信度对应的文本数据作为代表样本数据，并对所述代表样本数据进行语料扩充，进而，通过对所述代表样本数据和语料扩充后的代表样本数据进行语义特征提取和补偿式交互融合，以充分利用两者之间的共有信息和独特信息，从而实现对所述代表样本数据的全面语义理解和智能标注。通过这种方式，可以显著提高数据标注的效率和准确性，同时大幅度减少人工干预的需求，降低标注成本。