-
公开(公告)号：CN110298022B
公开(公告)日：2023-06-02
申请号：CN201910482980.6
申请日：2019-06-04
Applicant: 科大讯飞股份有限公司
IPC: G06F40/166 , G06T11/60
Abstract: 本申请公开了一种流程图的处理方法及相关产品。处理方法包括：获取已绘制流程图，获取已绘制流程图中的已绘制文本信息和第一框图的第一框图类别，根据已绘制文本信息和第一框图类别信息生成与第一框图对应的绘图推荐信息。这样根据已绘制内容中包含的已绘制文本信息和第一框图类别信息对第一框图之后的后端框图的绘图内容进行预测获得绘图推荐信息，可以根据已绘制内容准确地获得用户的意图，实现根据用户绘制的已绘制内容实时进行绘图推荐，这样生成的绘图推荐信息更加符合用户需求，使得用户绘制流程图的过程更加方便快捷。
-
公开(公告)号：CN113127708A
公开(公告)日：2021-07-16
申请号：CN202110423719.6
申请日：2021-04-20
Applicant: 科大讯飞股份有限公司
IPC: G06F16/9032 , G06F16/783 , G06F16/36 , G06F16/332 , G06F16/33 , G06N3/08
Abstract: 本申请公开了一种信息交互方法、装置、设备及存储介质，本申请预先利用跨语种、跨场景的多模态训练数据及场景知识图谱库，通过无监督的方式训练得到回复生成模型，进而在获取到当前交互场景下的多模态数据之后，可以参考场景知识图谱库，利用回复生成模型处理多模态数据，进而输出用于进行交互的回复信息，实现人机交互过程。由于本申请的回复生成模型利用跨语种、跨场景的多模态训练数据训练完成，因此回复生成模型可以适用于跨语种、跨场景的交互过程，无需针对不同语种、不同场景单独构建不同的交互系统，介绍了系统开发、部署难度。
-
公开(公告)号：CN109189894B
公开(公告)日：2021-03-23
申请号：CN201811101470.1
申请日：2018-09-20
Applicant: 科大讯飞股份有限公司
IPC: G06F16/33 , G06F16/332
Abstract: 本申请公开了一种答案抽取方法及装置，该方法包括：利用一个预先构建的文档匹配模型，预测各个待匹配文档分别作为问题答案所属文档时的第二匹配度，在此过程中，便已经预测了每一待匹配文档的每一单位文本作为问题答案时的第一匹配度，基于此，当根据各个第二匹配度，确定出问题答案实际所属的目标文档后，便可以直接利用该目标文档的每一单位文本与问题答案的第一匹配度，从目标文档中抽取答案。可见，本申请只需要一个文档匹配模型便可以实现答案的抽取，不存在文档检索模型和答案抽取模型导致的误差叠加问题，从而提高了答案抽取结果的正确性。
-
公开(公告)号：CN112800775B
公开(公告)日：2024-05-31
申请号：CN202110117912.7
申请日：2021-01-28
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
IPC: G06F40/30 , G06F40/284
Abstract: 本申请公开了一种语义理解方法、装置、设备及存储介质，本申请对于待理解文本，在其所属场景下的各类型实体词中获取与待理解文本相匹配的实体词，以及获取待理解文本所属语种的语种特征，基于待理解文本与匹配实体词确定融合文本，基于融合文本及语种特征，确定待理解文本的语义理解结果。本申请能够针对不同语种、不同场景下的待理解文本进行语义的理解，并且过程中考虑待理解文本所属语种，能够区分不同语种特性，保障对各种不同语种的待理解文本的语义理解效果。同时，通过引入待理解文本所属语种及场景下的匹配实体词，使得本申请的语义理解方案能够适用于对不同语种、不同场景下待理解文本的语义理解，提升待理解文本的语义理解准确度。
-
公开(公告)号：CN111046674B
公开(公告)日：2024-05-31
申请号：CN201911330205.5
申请日：2019-12-20
Applicant: 科大讯飞股份有限公司
IPC: G06F40/30 , G06F40/211
Abstract: 本发明实施例提供一种语义理解方法、装置、电子设备和存储介质，其中方法包括：确定待理解文本；将所述待理解文本输入至语义理解模型中，得到所述语义理解模型输出的语义理解结果；其中，所述语义理解模型是基于样本文本、所述样本文本对应的样本语义理解结果以及语义描述文本训练得到的；所述语义理解模型用于基于对所述语义描述文本进行特征提取得到的表示特征，对所述待理解文本进行语义理解。本发明实施例提供的方法、装置、电子设备和存储介质，通过语义描述文本进行语义理解，能够充分利用语义描述文本中携带的与语义理解相关的丰富信息，从而提高针对于多样化的语言表达形式下的语义理解的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112507718B
公开(公告)日：2024-02-13
申请号：CN202011487631.2
申请日：2020-12-16
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
IPC: G06F40/295 , G06F16/33
Abstract: 本申请提供了一种跨语种实体标注方法、装置、设备及存储介质，方法包括：获取标注出实体词的源语种文本和对应的目标语种文本，根据源语种文本和目标语种文本获取正样例集、负样例集和候选数据集，正样例集中的每个正样例表征源语种文本中的一个实体词，负样例集中的每个负样例表征源语种文本中的一个非实体词，候选数据集中的每个候选数据表征目标语种文本中的一个候选实体词，通过将候选数据集中的候选数据与正样例集和负样例集中的样例匹配，从候选数据集中的候选数据所表征的候选实体词中确定出实体词，并对确定出的实体词进行标注。本申请可从目标语种文本中标注出实体词，且标(56)对比文件Weiming Lu.Cross-Lingual EntityMatching for Heterogeneous Online Wikis.《Nature Language Processing and ChineseComputing》.2018,第887-899页.
-
公开(公告)号：CN111046674A
公开(公告)日：2020-04-21
申请号：CN201911330205.5
申请日：2019-12-20
Applicant: 科大讯飞股份有限公司
IPC: G06F40/30 , G06F40/211
Abstract: 本发明实施例提供一种语义理解方法、装置、电子设备和存储介质，其中方法包括：确定待理解文本；将所述待理解文本输入至语义理解模型中，得到所述语义理解模型输出的语义理解结果；其中，所述语义理解模型是基于样本文本、所述样本文本对应的样本语义理解结果以及语义描述文本训练得到的；所述语义理解模型用于基于对所述语义描述文本进行特征提取得到的表示特征，对所述待理解文本进行语义理解。本发明实施例提供的方法、装置、电子设备和存储介质，通过语义描述文本进行语义理解，能够充分利用语义描述文本中携带的与语义理解相关的丰富信息，从而提高针对于多样化的语言表达形式下的语义理解的准确性。
-
公开(公告)号：CN110298022A
公开(公告)日：2019-10-01
申请号：CN201910482980.6
申请日：2019-06-04
Applicant: 科大讯飞股份有限公司
Abstract: 本申请公开了一种流程图的处理方法及相关产品。处理方法包括：获取已绘制流程图，获取已绘制流程图中的已绘制文本信息和第一框图的第一框图类别，根据已绘制文本信息和第一框图类别信息生成与第一框图对应的绘图推荐信息。这样根据已绘制内容中包含的已绘制文本信息和第一框图类别信息对第一框图之后的后端框图的绘图内容进行预测获得绘图推荐信息，可以根据已绘制内容准确地获得用户的意图，实现根据用户绘制的已绘制内容实时进行绘图推荐，这样生成的绘图推荐信息更加符合用户需求，使得用户绘制流程图的过程更加方便快捷。
-
公开(公告)号：CN109189894A
公开(公告)日：2019-01-11
申请号：CN201811101470.1
申请日：2018-09-20
Applicant: 科大讯飞股份有限公司
IPC: G06F16/33 , G06F16/332
Abstract: 本申请公开了一种答案抽取方法及装置，该方法包括：利用一个预先构建的文档匹配模型，预测各个待匹配文档分别作为问题答案所属文档时的第二匹配度，在此过程中，便已经预测了每一待匹配文档的每一单位文本作为问题答案时的第一匹配度，基于此，当根据各个第二匹配度，确定出问题答案实际所属的目标文档后，便可以直接利用该目标文档的每一单位文本与问题答案的第一匹配度，从目标文档中抽取答案。可见，本申请只需要一个文档匹配模型便可以实现答案的抽取，不存在文档检索模型和答案抽取模型导致的误差叠加问题，从而提高了答案抽取结果的正确性。
-
公开(公告)号：CN113127708B
公开(公告)日：2024-06-07
申请号：CN202110423719.6
申请日：2021-04-20
Applicant: 中国科学技术大学 , 科大讯飞股份有限公司
IPC: G06F16/9032 , G06F16/783 , G06F16/36 , G06F16/332 , G06F16/33 , G06N3/045 , G06N3/044 , G06N3/0464 , G06N3/088
Abstract: 本申请公开了一种信息交互方法、装置、设备及存储介质，本申请预先利用跨语种、跨场景的多模态训练数据及场景知识图谱库，通过无监督的方式训练得到回复生成模型，进而在获取到当前交互场景下的多模态数据之后，可以参考场景知识图谱库，利用回复生成模型处理多模态数据，进而输出用于进行交互的回复信息，实现人机交互过程。由于本申请的回复生成模型利用跨语种、跨场景的多模态训练数据训练完成，因此回复生成模型可以适用于跨语种、跨场景的交互过程，无需针对不同语种、不同场景单独构建不同的交互系统，介绍了系统开发、部署难度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
