-
公开(公告)号：CN118428476A
公开(公告)日：2024-08-02
申请号：CN202410515280.3
申请日：2024-04-26
Applicant: 科大讯飞股份有限公司
IPC: G06N5/04 , G06F18/22 , G06F3/0481 , G06F3/04845
Abstract: 本申请公开了一种意图反馈方法、系统和相关装置，该方法包括：获取用户输入的初始内容对应的当前意图信息，确定所述当前意图信息匹配的至少一个待使用技能；其中，所述待使用技能设有用于实现相应技能的参数槽；基于所述当前意图信息和所述参数槽，生成用于提示用户对所述参数槽进行完善的参考信息；获取用户基于所述参考信息输入的输入内容，基于所述输入内容、所述当前意图信息和所有所述待使用技能，得到所述当前意图信息的反馈信息。通过上述方式，本申请能够提高反馈信息与用户意图的契合度。
-
公开(公告)号：CN118051942A
公开(公告)日：2024-05-17
申请号：CN202410164647.1
申请日：2024-02-05
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种安全比较方法、装置、电子设备及存储介质，其中方法包括：确定目标运算符，在目标运算符非预设运算符的情况下，将目标运算符分解为第一预设运算符和第二预设运算符；对本端的第一数据和比较参与方的第二数据进行第一预设运算符下的安全比较得到第一安全比较结果；对更新后的第一数据与比较参与方的第二数据进行第二预设运算符下的安全比较，或对第一数据和比较参与方更新后的第二数据进行第二预设运算符下的安全比较，得到第二安全比较结果；基于第一安全比较结果和第二安全比较结果确定目标运算符下的比较结果，使得目标运算符下比较结果满足更复杂的需求，拓宽目标运算符下的比较结果的应用范围，提高比较操作的灵活性和拓展性。
-
公开(公告)号：CN115907032A
公开(公告)日：2023-04-04
申请号：CN202211477164.4
申请日：2022-11-23
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种联邦学习方法、数据分类方法、装置、电子设备和介质，其中联邦学习方法包括：接收参与方发送的第一模型参数，第一模型参数是参与方基于本地样本数据对第二模型参数进行参数迭代得到的；基于第一模型参数中的分类器参数与第二模型参数中的分类器参数之间的差异，更新第二模型参数；将更新后的第二模型参数发送至参与方，以使参与方基于本地样本数据对更新后的第二模型参数进行参数迭代，得到更新后的第一模型参数并返回，直至联邦学习完成。本发明提供的联邦学习方法、数据分类方法、装置、电子设备和介质，提高了联邦学习的数据安全性，可以适用于所有参与方数据类别分布都不均衡的情况，应用范围广泛。
-
公开(公告)号：CN118228829B
公开(公告)日：2024-10-18
申请号：CN202410624896.4
申请日：2024-05-20
Applicant: 科大讯飞股份有限公司
IPC: G06N5/04 , G06F40/186
Abstract: 本申请公开了一种大语言模型人设私有化方法及相关装置，涉及模型训练技术领域，方法包括：根据设定的人设信息和创建的问答模版中的回答，针对问答模版中的问题生成符合人设信息的回答，得到问答模版中的问题对应的人设回答；根据问答模版中的问题以及对应的人设回答，获得人设问答数据；利用人设问答数据对大语言模型进行微调。本申请公开的大语言模型人设私有化方法能够自动构建与企业需求相匹配的人设问答数据，进而，利用构建的人设问答数据对大语言模型进行微调，能够得到针对输入的人设相关问题生成符合设定人设信息的回答的大语言模型，本申请公开的大语言模型人设私有化方法能够满足企业的定制化需求。
-
公开(公告)号：CN117689972A
公开(公告)日：2024-03-12
申请号：CN202311444178.0
申请日：2023-11-01
Applicant: 科大讯飞股份有限公司
IPC: G06V10/774 , G06V10/764 , G06F18/214 , G06F18/241 , G06V40/16
Abstract: 本申请公开了一种标注信息的决策方法、系统以及相关装置，该方法包括：获取待标注数据对应的多个标注结果；其中，至少部分所述标注结果是利用分析模型进行标注得到的；从多个所述标注结果中获取多个相互区别的验证组合；其中，所述验证组合中包括相互区别的第一标注结果和第二标注结果；在所述第一标注结果和所述第二标注结果中，获取同类型的标注信息对应的一致性得分；基于每个所述验证组合对应的所有所述一致性得分，获取每个所述验证组合对应的目标得分；基于所有所述验证组合的所述目标得分，获取所述待标注数据对应的标注决策结果。通过上述方式，本申请能够提高标注的准确性并节省标注的成本。
-
Patent Agency Ranking
公开(公告)号：CN116628141B
公开(公告)日：2023-12-01
申请号：CN202310907630.6
申请日：2023-07-24
Applicant: 科大讯飞股份有限公司
IPC: G06F16/33 , G06F40/186
Abstract: 本申请实施例公开了一种信息处理方法、装置、设备及存储介质，工作流的目标任务节点接收到输入信息时，获得目标任务节点对应的至少一个指示指令模板；目标任务节点在上述至少一个指示指令模板中的预设槽位中填充目标任务节点对应的信息，得到目标任务节点对应的至少一个目标指示指令；目标任务节点基于上述至少一个目标指示指令和输入信息调用自然语言处理模型，以获得自然语言处理模型输出的适配工作流的结构化信息。基于本申请实现了自然语言处理模型的输出与工作流相适配的目的。
-
公开(公告)号：CN115758411A
公开(公告)日：2023-03-07
申请号：CN202211462300.2
申请日：2022-11-21
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种隐私求交方法、装置、电子设备和存储介质，其中方法包括：获取各方的隐私数据；基于各属性的局部阈值，对各属性在各方的隐私数据中的属性值进行匹配，得到各属性的初始匹配结果，局部阈值是基于对应属性的缺失错误率确定的；基于各属性之间的属性关系，对各属性的初始匹配结果进行更新，得到各属性的更新匹配结果；基于全局阈值，以及各属性的更新匹配结果，对各方的隐私数据进行隐私求交，全局阈值是基于各属性的缺失错误率确定的。本发明提供的隐私求交方法、装置、电子设备和存储介质，可以有效减少由于数据质量问题带来的真实匹配记录的丢失，提高容错率，在保证准确率的前提下显著提高了查全率。
-
公开(公告)号：CN114492852A
公开(公告)日：2022-05-13
申请号：CN202210108127.X
申请日：2022-01-28
Applicant: 科大讯飞股份有限公司
IPC: G06N20/20
Abstract: 本发明提供一种基于联邦学习的数据匹配方法和装置，所述基于联邦学习的数据匹配方法包括：分别计算第一数据集对应的第一数据标签和多个第二数据集对应的多个第二数据标签之间的相似度，生成多个标签匹配度；分别计算所述第一数据集对应的第一数据特征集和所述多个第二数据集对应的多个第二数据特征集之间的相似度，生成多个数据内容匹配度；基于所述第一数据集与同一所述第二数据集之间的所述标签匹配度和所述数据内容匹配度，从所述多个第二数据集中确定目标数据集作为所述第一数据集的联邦匹配数据。本发明的基于联邦学习的数据匹配方法，显著提高了纵向联邦匹配结果的全面性、精确性和准确性，有助于提高后续模型效果。
-
公开(公告)号：CN118710212A
公开(公告)日：2024-09-27
申请号：CN202410829316.5
申请日：2024-06-25
Applicant: 科大讯飞股份有限公司
IPC: G06Q10/10 , G06F40/166 , G06F40/30 , G06F16/34 , G06N20/00 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种评标模型训练、评标方法及装置，评标模型训练方法包括：基于招标文件中的评标标准，提取得到评标项以及评标项对应的评标关键元素；基于评标项的类型以及评标标准，确定评标项的评标公式；基于评标项的类型、评标关键元素、评标公式以及评标项关联的投标文件内容，构建招标文件的评标解读文本；基于与招标文件匹配的投标文件、招标文件、评标解读文本以及投标文件的评标结果，对初始模型进行训练，得到评标模型。本发明不仅能够自动且准确对招标文件进行评标解读并生成对应的评标解读文本，而且评标模型还能够基于评标解读文本准确对投标文件中对应评标项进行评估。
-
公开(公告)号：CN118313486B
公开(公告)日：2024-09-06
申请号：CN202410743509.9
申请日：2024-06-11
Applicant: 科大讯飞股份有限公司
IPC: G06N20/00 , G06F16/2457 , G06N3/0985
Abstract: 本申请提出一种模型构建方法、装置、系统、电子设备及程序产品，该方法包括：获取模型构建任务数据，所述模型构建任务数据包括待构建的目标模型所需执行的任务信息以及用于训练所述目标模型的训练数据信息；基于所述模型构建任务数据，通过执行模型推荐算法相应的处理，确定用于构建所述目标模型的模型结构和模型参数；其中，所述模型推荐算法是基于模型构建历史数据而确定的用于确定与模型构建任务对应的模型结构和模型参数的算法，所述模型构建历史数据包括历史模型构建任务数据，以及与所述历史模型构建任务数据对应的模型构建结果；基于所述模型结构和所述模型参数，构建得到所述目标模型。上述方案能够提高模型构建效率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
