-
公开(公告)号：CN113868377A
公开(公告)日：2021-12-31
申请号：CN202111150006.3
申请日：2021-09-29
Applicant: 海信视像科技股份有限公司
IPC: G06F16/33 , G06F16/332 , G06F40/211 , G06F40/247 , G06F40/30 , G06K9/62
Abstract: 本申请提供实施例，属于自然语言处理技术，提供一种相似度联合模型训练、语义匹配方法及装置。方法包括：使用包括至少一个样本子集的样本数据集训练相似度联合模型。每个样本子集包括样本语句与该样本语句对应的任一样本候选语句之间的至少两个样本相似度，以及，基于至少两个样本相似度得到的样本语句与该样本候选语句之间的样本目标相似度；针对任一样本子集，该样本子集中的各样本相似度所属的语义层面均不同。训练好的相似度联合模型可以基于目标语句与该目标语句对应的任一候选语句之间的至少两个相似度，获取目标语句与该候选语句之间的目标相似度。基于该目标相似度，可以对目标语句进行语义匹配。本申请提高了语义匹配的准确性。
-
公开(公告)号：CN111950288B
公开(公告)日：2024-02-23
申请号：CN202010864555.6
申请日：2020-08-25
Applicant: 海信视像科技股份有限公司
IPC: G06F40/295
Abstract: 本发明公开一种命名实体识别中的实体标注方法及智能设备，在识别文本中的目标实体后，将所述目标实体输入至联合模型；所述联合模型包括用于相似度查询的语义索引模型以及词义分类模型；根据约束函数，对所述联合模型输出的词义类别和知识图谱的实体链接进行约束后，最终输出所述目标实体的高频词义类别。本发明能够解决实体标注结果不可控的问题，降低实体标注结果的偏差，进而提高命名实体识别的准确性。
-
公开(公告)号：CN117809616A
公开(公告)日：2024-04-02
申请号：CN202311261930.8
申请日：2023-09-27
Applicant: 海信视像科技股份有限公司
IPC: G10L13/027 , G10L13/033 , G10L15/22 , G10L15/26 , G10L25/63
Abstract: 本申请一些实施例示出一种服务器、显示设备及语音交互方法，所述方法包括：接收显示设备发送用户输入的语音数据；识别语音数据对应的语音文本；基于语音文本确定情感类型以及情感原因；根据语音文本和情感类型确定回复情感和回复策略；将语音文本、情感类型、情感原因、回复情感和回复策略输入到生成式预训练Transformer模型，得到播报文本；根据播报文本合成播报语音；将播报语音发送至显示设备，以使显示设备播放播报语音。本申请实施例基于语音文本、情感类型、情感原因、回复情感和回复策略生成有针对性的回复，不仅关注对话内容的相关性，同时还注重沟通策略和情感状态，带给用户生动而有情感的对话交互体验。
-
Patent Agency Ranking
公开(公告)号：CN117807179A
公开(公告)日：2024-04-02
申请号：CN202311280491.5
申请日：2023-09-28
Applicant: 海信视像科技股份有限公司
IPC: G06F16/33 , G06F16/332
Abstract: 本申请提供一种对话结果生成方法、显示设备及服务器，在进行多轮对话过程中，服务器从当前语音数据中提取当前语音文本，基于历史语音文本、历史对话结果、历史情感状态和当前语音文本，识别当前语音文本对应的当前情感状态。然后服务器基于当前语音文本和当前情感状态，生成当前语音文本对应的当前对话结果。并且将当前对话结果发送至显示设备。显示设备接收到当前对话结果之后在显示器上显示当前对话结果。这样基于历史多轮对话对应的历史对话内容和用户的历史情感状态，对当前语音文本进行分析，即能够得到当前情感状态，即使是任务型对话中，也能够充分考虑情感信息给予用户回复，提升任务型对话中用户的情感体验。
-
公开(公告)号：CN114781365A
公开(公告)日：2022-07-22
申请号：CN202210408734.8
申请日：2022-04-19
Applicant: 海信视像科技股份有限公司
IPC: G06F40/279 , G06F40/30
Abstract: 本公开涉及一种端到端模型训练方法、语义理解方法、装置、设备和介质；其中，该方法包括：获取训练样本，训练样本包括自然语言文本、自然语言文本对应的关键词集合以及关键词对应的标签信息集合；定义端到端语义理解模型的框架，基于端到端语义理解模型的框架和训练样本，生成对应的语义理解结果，语义理解结果包括意图识别结果、关键词以及每个关键词对应的标签信息；基于预设损失函数，根据训练样本对端到端语义理解模型的框架进行训练，得到端到端语义理解模型。本公开实施例通过训练样本对端到端语义理解模型的框架进行端到端训练，得到端到端语义理解模型，使得语义理解更准确，减少误差的积累，且有利于提高领域对话理解的准确性。
-
公开(公告)号：CN111950288A
公开(公告)日：2020-11-17
申请号：CN202010864555.6
申请日：2020-08-25
Applicant: 海信视像科技股份有限公司
IPC: G06F40/295
Abstract: 本发明公开一种命名实体识别中的实体标注方法及智能设备，在识别文本中的目标实体后，将所述目标实体输入至联合模型；所述联合模型包括用于相似度查询的语义索引模型以及词义分类模型；根据约束函数，对所述联合模型输出的词义类别和知识图谱的实体链接进行约束后，最终输出所述目标实体的高频词义类别。本发明能够解决实体标注结果不可控的问题，降低实体标注结果的偏差，进而提高命名实体识别的准确性。
-
公开(公告)号：CN115470230A
公开(公告)日：2022-12-13
申请号：CN202211071506.2
申请日：2022-08-31
Applicant: 海信视像科技股份有限公司
IPC: G06F16/242 , G06F16/2455
Abstract: 本公开涉及一种表格问答处理方法及装置，应用于智能问答领域，能够提高表格问答处理的准确性。该显示设备包括：获取待查询问题语句；将该待查询问题语句输入多任务预测模型，输出该待查询问题语句对应的目标SELECT子句目标列和目标WHERE子句约束对，该多任务预测模型是针对分类任务和序列标注任务的模型，该目标SELECT子句目标列为对应该分类任务的分类结果，该目标WHERE子句约束对为对应该序列标注任务的标注结果；根据该目标SELECT子句目标列和该目标WHERE子句约束对，确定SQL语句；从表格数据库中查询得到与该SQL语句匹配的多个结果数据；对该多个结果进行聚合约束处理，得到该待查询问题语句对应的问答结果数据。
-
公开(公告)号：CN114138929A
公开(公告)日：2022-03-04
申请号：CN202111146241.3
申请日：2021-09-28
Applicant: 海信视像科技股份有限公司
IPC: G06F16/33 , G06F16/332 , G06F40/279 , G06F40/30
Abstract: 本申请实施例提供一种问答方法及装置，该方法包括：确定自然查询语句的主实体；根据所述主实体，构建所述自然查询语句的语义查询图，所述语义查询图用于指示与所述主实体关联的关系或属性；根据所述语义查询图，输出所述自然查询语句对应的自然答案语句。本申请实施例的方案，无需预先设置问答模板，而是首先对主实体进行识别，然后基于主实体构建语义查询图，实现对自然查询语句的理解，进而输出自然答案语句，效率较高，工作量较小，且语义理解更加准确。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
