-
公开(公告)号：CN110634539B
公开(公告)日：2024-12-17
申请号：CN201910866714.3
申请日：2019-09-12
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明提供了一种基于人工智能的药物分子处理方法、装置、电子设备及存储介质；方法包括：响应于针对药物分子的生成请求，确定药物分子属性需求；获取随机采样的药物分子向量；对随机采样的药物分子向量进行变换处理，得到符合药物分子属性需求的药物分子向量；对符合药物分子属性需求的药物分子向量进行解码，得到对应药物分子向量的第一语法规则；根据语法规则与药物分子的映射关系，生成第一语法规则对应的药物分子，以用于响应生成请求。通过本发明，能够得到满足特定药物分子属性需求的药物分子，满足用户对药物分子的需求。
-
公开(公告)号：CN110737730B
公开(公告)日：2024-03-26
申请号：CN201911001169.8
申请日：2019-10-21
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F16/28
Abstract: 本发明涉及基于无监督学习的用户分类方法、装置、计算机设备及存储介质，属于用户分类技术领域。该方法包括：获取待分类用户的第一原始特征；将第一原始特征输入到无监督学习的拓扑关系确定模型中；拓扑关系确定模型对应有目标损失函数；目标损失函数根据第一特征表达式和第二特征表达式的相关度构建；第一特征表达式为第一原始特征对应的表达式，第二特征表达式为拓扑关系特征对应的表达式；根据拓扑关系确定模型的输出，得到待分类用户的目标拓扑关系特征；根据目标拓扑关系特征，确定待分类用户对应的用户类别。上述技术方案，在不需要人工提供用户标签的情况下，就能实现对网络用户的准确分类，能有效降低网络用户分类的成本。
-
公开(公告)号：CN114120006B
公开(公告)日：2024-02-06
申请号：CN202010885507.5
申请日：2020-08-28
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本公开提供一种图像处理方法、装置、电子设备和计算机可读存储介质，包括：获取目标受体的目标受体图和目标配体的目标配体图，目标受体包括目标对接口袋；对目标受体图进行处理，获取目标受体图中各个节点的第一节点特征和第一边特征；对目标配体图进行处理，获取目标配体图中各个节点的第二节点特征和第二边特征；对第一边特征和第二边特征进行对齐处理，获取对齐后第一边特征和对齐后第二边特征；根据对齐后第一边特征和对齐后第二边特征确定目标受体图的目标受体特征和目标配体图的目标配体特征；根据目标受体特征和目标配体特征，预测目标配体相对于目标受体的目标活性值。
-
公开(公告)号：CN117453312A
公开(公告)日：2024-01-26
申请号：CN202311461999.5
申请日：2023-11-03
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F9/445
Abstract: 本申请实施例公开了一种运行参数配置方法、装置、电子设备及存储介质，可以根据第一设备状态参数与各个状态参数区间组合之间的匹配关系，从多个候选调整模式中确定各个原始运行参数对应的目标调整模式，根据各个数据中心的第一预测状态参数，以目标调整模式调整对应的原始运行参数，得到目标运行参数，将目标运行参数配置至对应的目标设备。本申请实施例能够降低在配置数据中心的目标设备时消耗的计算资源，提升目标设备的运行参数的配置效率，可广泛应用于云技术、人工智能、智慧交通、辅助驾驶等场景。
-
公开(公告)号：CN110147878B
公开(公告)日：2023-01-31
申请号：CN201811434318.5
申请日：2018-11-28
Applicant: 腾讯科技(深圳)有限公司
IPC: G06N3/063 , G06N3/0455 , G06N3/088
Abstract: 本发明实施例公开了一种数据处理的方法、装置、设备及存储介质，包括：获取待处理的目标数据；调用优化的第一网络模型对所述目标数据进行预测处理得到第一预测结果，所述第一预测结果包括所述目标数据的预测标签及分簇信息；从多个优化的第二学习模型中选择与所述目标数据的分簇信息相对应的优化的目标第二学习模型；将所述目标数据及所述目标数据的预测标签输入至所述优化的目标第二学习模型进行预测处理得到第二预测结果，所述第二预测结果包括所述目标数据与所述目标数据的预测标签之间的关系解释信息；可提高优化的第二学习模型的预测精度，并提高关系解释信息的置信度。
-
Patent Agency Ranking
公开(公告)号：CN115116563A
公开(公告)日：2022-09-27
申请号：CN202210356611.4
申请日：2022-04-06
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种数据筛选方法、装置、设备及存储介质、程序产品，该方法包括：获取目标化合物分子的表示数据；调用亲和力预测模型对目标化合物分子的表示数据进行处理，得到目标化合物分子与目标对象之间的亲和力预测结果；其中，亲和力预测模型是基于无标签的第一训练数据集进行自监督预训练，以及基于有标签的第二训练数据集进行精调得到的，第一训练数据集包括第一样本化合物分子，第二训练数据集包括第二样本化合物分子、第二样本化合物分子与目标对象之间的亲和力参考标签；基于亲和力预测结果确定目标化合物分子的筛选结果。采用本申请，可以准确高效地进行化合物分子筛选。
-
公开(公告)号：CN115116562A
公开(公告)日：2022-09-27
申请号：CN202210405951.1
申请日：2022-04-18
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开了一种分子生成模型的训练方法、装置、设备及介质，运用于机器学习领域。该方法包括：根据分子优化条件，筛选候选分子得到筛选分子，所述分子优化条件用于评价所述候选分子的属性；对所述筛选分子进行重构生成重构分子，所述重构分子满足所述分子优化条件且所述重构分子的化学结构与所述筛选分子的化学结构不同；通过所述分子生成模型调整所述筛选分子的化学结构，得到生成分子；根据所述生成分子和所述重构分子之间的误差，对所述分子生成模型进行训练。该方法训练得到的分子生成模型可以输出满足多种属性的分子。
-
公开(公告)号：CN114334035A
公开(公告)日：2022-04-12
申请号：CN202111314495.1
申请日：2021-11-08
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开一种药物分析方法、模型训练方法、装置、存储介质及设备，可应用于人工智能、机器学习、图神经网络、药物分析等场景。该方法包括：根据待测药物分子的分子结构确定目标图；根据目标图，计算目标图中不同频段对应的图小波，其中，图小波用于捕捉分子的节点信息；根据训练好的药物分析模型对目标图中不同频段对应的图小波进行处理，得到目标图的节点表征，其中，训练好的药物分析模型是基于具有理化性质标签的训练样本数据训练得到的；根据训练好的药物分析模型对目标图的节点表征进行分析，得到待测药物分子的药物理化性质，可提高表征学习的准确性及数据分类的准确性。
-
公开(公告)号：CN114332516A
公开(公告)日：2022-04-12
申请号：CN202111407596.3
申请日：2021-11-24
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请的实施例揭示了一种数据处理方法、模型训练方法及装置、设备、存储介质、产品，该方法包括：获取包含多个节点的特征图，将特征图输入至预先训练好的目标图注意力网络模型中，得到多个节点分别对应的聚类结果，其中各个节点对应的聚类结果中包含有多个类别预测值，目标图注意力模型是将带有类别标签的训练样本特征图输入至图注意力网络中进行训练得到，并根据各个节点对应的聚类结果所包含的多个类别预测值，确定各个节点所属的目标类别。本申请实施例的技术方案能够提升数据聚类中确定节点所属类别的效率。
-
公开(公告)号：CN112418302A
公开(公告)日：2021-02-26
申请号：CN202011307325.6
申请日：2020-11-20
Applicant: 清华大学 , 腾讯科技(深圳)有限公司
IPC: G06K9/62
Abstract: 本申请公开一种任务预测方法及装置；本申请与人工智能的机器学习领域相关，可以获取预设任务的至少两个模态的样本数据、以及至少两个模态的样本数据的样本标签；通过多模态网络对样本数据进行特征提取，得到每个模态的样本数据对应的特征向量；通过多模态网络基于特征向量，确定预设任务的任务预测结果；获取预设任务的至少两个模态的相似度；基于相似度、任务预测结果以及样本标签，对多模态网络进行训练，以通过训练后的多模态网络进行任务预测；本申请可以提升多模态任务预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.064 seconds)
