公开(公告)号：CN110807313B

公开(公告)日：2025-01-10

申请号：CN201910979620.7

申请日：2019-10-15

Applicant: 腾讯科技(深圳)有限公司

Inventor： 苏汉 ,  张金超 ,  牛成 ,  周杰

IPC: G06F40/211 ,  G06F40/289

Abstract: 本公开提供了一种预估文本处理时间的方法、装置、电子设备及存储介质，所述方法包括：确定待处理的目标文本所包含的文本内容及各个语句；基于所述文本内容及所述各个语句，计算所述目标文本的信息量；获取目标对象的信息量处理速率；基于所述目标文本的信息量及所述信息量处理速率，预估所述目标对象对所述目标文本的处理时间。本公开实施例能够提高预估文本处理时间的准确度。

公开(公告)号：CN110162776B

公开(公告)日：2024-10-18

申请号：CN201910233186.8

申请日：2019-03-26

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张岩 ,  刘荐 ,  刘为 ,  钟希亮 ,  刘秋阁 ,  牛成 ,  周杰

IPC: G06F40/30 ,  G06F16/33 ,  G06F9/448

Abstract: 本申请涉及一种运行于终端的交互消息处理方法、装置、计算机设备和存储介质，在目标交互界面中接收到消息输入触发指令时，接收待处理交互消息；在目标交互界面中接收到消息发送触发指令时，在目标交互界面中显示待处理交互消息，并基于待处理交互消息发送消息处理请求；接收基于消息处理请求返回的消息处理结果，消息处理结果基于待处理交互消息对应的目标小程序确定；根据消息处理结果，在目标交互界面中展示基于目标小程序的目标交互消息。本申请还提供一种运行于后台服务器的交互消息处理方法、装置、计算机设备和存储介质。能够扩展交互消息处理的功能，提高用户粘度，提高小程序的使用次数，方便流量收益的统计。

公开(公告)号：CN114417898B

公开(公告)日：2024-08-23

申请号：CN202210058761.7

申请日：2022-01-18

Applicant: 腾讯科技(深圳)有限公司

Inventor： 李尔楠 ,  熊明钧 ,  孟凡东 ,  周杰

IPC: G06F40/58 ,  G06F40/279 ,  G06N20/00

Abstract: 本申请实施例公开了一种数据处理方法、装置、设备及可读存储介质，涉及人工智能领域，其中，方法包括：获取富样式的源文本数据，源文本数据为富样式文本数据；获取源文本数据中目标源词语的词语位置，基于词语位置在源文本数据中添加第一约束标签，目标源词语的样式为目标源样式；基于添加第一约束标签后的源文本数据和词语间的对应关系，得到添加了第二约束标签的目标文本数据，第二约束标签是在目标文本数据中目标词语的词语位置添加的；基于第一约束标签和第二约束标签将目标源样式映射为第二约束标签对应的目标词语的目标样式，以得到包含目标样式的目标文本数据。采用本申请实施例，可以使得文本翻译更完整，提高数据处理准确性。

公开(公告)号：CN110162785B

公开(公告)日：2024-07-16

申请号：CN201910319013.8

申请日：2019-04-19

Applicant: 腾讯科技(深圳)有限公司

Inventor： 张金超 ,  孟凡东 ,  周杰

IPC: G06F40/211 ,  G06F40/289 ,  G06N3/08

Abstract: 本申请涉及一种数据方法、装置、可读存储介质和计算机设备，该方法包括：获取待检测文本；将待检测文本对应的上下文词语集合和候选替代词语集合输入至代词消解神经网络中，分别对上下文词语集合和候选替代词语集合进行特征提取得到对应的第一特征和第二特征，根据第一特征和第二特征进行正例迭代处理和反例迭代处理得到正反例特征向量模长，根据正反例特征向量模长计算得到候选替代词语集合中各个候选替代词语对应的替代可能度；根据各个候选替代词语对应的替代可能度确定目标替代词语；根据待检测词语对应的位置将目标替代词语插入待检测文本得到目标文本。此外还提供了一种代词消解神经网络训练方法、装置、可读存储介质和计算机设备。

公开(公告)号：CN117973321A

公开(公告)日：2024-05-03

申请号：CN202211278311.5

申请日：2022-10-19

Applicant: 腾讯科技(深圳)有限公司

Inventor： 周昊 ,  冉邱 ,  周杰

IPC: G06F40/151 ,  G06F40/30 ,  G06F40/289 ,  G06F40/126 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本申请涉及一种模型训练方法、文本预测方法、装置、计算机设备、存储介质和程序产品。所述方法涉及人工智能，包括：获取根据输出文本样本、以及对输出文本样本进行位置采样和字音转换获得的简拼拼音构建得到的训练集，根据训练样本集对原始模型进行训练，获得训练好的文本预测模型。获取包括上文文本和简拼拼音的待预测数据，基于训练好的文本预测模型的编码器，对上文文本和简拼拼音的语义特征进行编码处理，获得与简拼拼音对应的、且与上文文本关联的编码信息矩阵，根据训练好的文本预测模型的解码器，对编码信息矩阵进行文本预测处理，获得与待预测数据对应的输出文本。采用本方法能够提升文本预测模型的预测精度、和输出文本的预测准确度。

公开(公告)号：CN117273185A

公开(公告)日：2023-12-22

申请号：CN202211242596.7

申请日：2022-10-11

Applicant: 腾讯科技(深圳)有限公司 ,  清华大学

Inventor： 刘知远 ,  钱成 ,  秦禹嘉 ,  林衍凯 ,  谢若冰 ,  孙茂松 ,  周杰

IPC: G06Q10/04 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本申请公开了一种预测模型的训练方法、装置、设备、介质及程序产品，涉及人工智能技术领域。该方法包括：获取第一模型的第一模型参数；获取中间模型的中间模型参数；对第一模型参数和中间模型参数进行线性插值分析，得到至少一个插值点对应的参数构建得到的插值模型；基于目标样本数据在第一模型中的第一预测结果、目标样本数据在插值模型中的第二预测结果和目标样本数据在中间模型中的第三预测结果，对中间模型进行训练，得到第二模型。通过插值分析构建出多个插值模型，增加了中间模型在训练时的监督信号，从而提高了最终训练得到的第二模型在第一任务上的预测准确率。

公开(公告)号：CN117216553A

公开(公告)日：2023-12-12

申请号：CN202310993505.1

申请日：2023-08-08

Applicant: 腾讯科技(深圳)有限公司 ,  中国人民大学

Inventor： 赵鑫 ,  谢若冰 ,  孙文奇 ,  卞书青 ,  周杰

IPC: G06F18/214 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/098

Abstract: 本申请公开一种推荐模型的预训练方法、调整方法、推荐方法及相关产品。首先获取对象的单源域行为序列，以及获取单源域行为序列中的内容对应的多模态信息，其中多模态信息包括至少两种不同模态的信息；在模型预训练之初，处理得到内容在多域通用内容表示空间的多模态向量表示；在模型预训练期间，由待训练推荐模型基于行为向量表示，预测对象触发单源域行为序列的末尾内容之后触发的首个相同源域的内容，最后得到初步推荐模型。结合上述模型预训练过程可知，在本申请中采用了至少两种不同模态的信息，使各种模态的信息可以相互补充，以构建充分的训练数据集，从而使得预训练后得到的模型可以更具备稳健性。

公开(公告)号：CN116954762A

公开(公告)日：2023-10-27

申请号：CN202211480329.3

申请日：2022-11-23

Applicant: 腾讯科技(深圳)有限公司

Inventor： 于洋 ,  冯佳宜 ,  魏康健 ,  周杰

IPC: G06F9/448 ,  G06F8/41 ,  G06F8/71 ,  G06F8/30

Abstract: 本申请的实施例公开了一种脚本运行方法、装置、电子设备及存储介质。该方法包括：接收客户端发送的脚本运行请求，脚本运行请求携带有待运行python脚本；获取解释器，并基于脚本运行请求生成解释器的配置信息；根据配置信息对解释器进行配置，得到配置后的解释器；将配置后的解释器加载至虚拟环境中，并通过虚拟环境中的配置后的解释器运行待运行python脚本。通过该方法，可以提高python脚本运行的效率。

公开(公告)号：CN110457457B

公开(公告)日：2023-09-22

申请号：CN201910713314.9

申请日：2019-08-02

Applicant: 腾讯科技(深圳)有限公司

Inventor： 李泽康 ,  张金超 ,  雷泽阳 ,  孟凡东 ,  周杰 ,  牛成

IPC: G06F16/332 ,  G06F16/33 ,  G06F18/22 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本申请公开了一种对话生成模型的训练方法、对话生成方法及装置，涉及人工智能领域。该方法包括：通过对上下文样本进行编码得到第一隐层变量，对第一隐层变量识别得到先验隐层变量；对答复样本进行编码得到第二隐层变量；对答复相似样本进行编码得到第三隐层变量；根据第一隐层变量、第二隐层变量和第三隐层变量的混合高斯分布，识别得到后验隐层变量；匹配先验隐层变量和后验隐层变量，对对话生成模型进行对抗训练。该方法采用了样本集中的相似样本，通过相似样本的混合高斯分布来拟合对话生成模型的后验分布，达到了拟合更加复语义的目的，能够捕捉对话的复杂语义和高可变性。

公开(公告)号：CN110442878B

公开(公告)日：2023-07-21

申请号：CN201910533381.2

申请日：2019-06-19

Applicant: 腾讯科技(深圳)有限公司 ,  中国科学院计算技术研究所

Inventor： 邵晨泽 ,  张金超 ,  孟凡东 ,  冯洋 ,  周杰

IPC: G06F40/58 ,  G06F40/51

Abstract: 本申请公开了一种翻译方法、机器翻译模型的训练方法、装置及存储介质，涉及人工智能领域，该方法包括：获取标注有参考翻译结果的样本语句；将样本语句输入待训练的机器翻译模型，得到样本语句的样本翻译结果，机器翻译模型为模型参数待调整的非自回归的模型；根据参考翻译结果计算词语翻译结果的梯度估计值，其中，梯度估计值是通过奖赏值计算得到的；根据梯度估计结果对机器翻译模型的模型参数进行调整。通过奖赏值计算梯度估计值，并根据梯度估计值对机器翻译模型的模型参数进行调整，以奖赏值为调整参考数据得到梯度估计值对模型参数进行调整，从而实现对机器翻译模型的序列级训练，提高训练后的机器翻译模型的翻译准确度。