-
Patent Agency Ranking
公开(公告)号：CN111708871A
公开(公告)日：2020-09-25
申请号：CN202010462879.7
申请日：2020-05-27
Applicant: 腾讯科技(深圳)有限公司 , 中国科学院计算技术研究所
IPC: G06F16/332
Abstract: 本公开提供了一种对话状态跟踪方法、装置，涉及人工智能领域。该方法包括：获取历史对话和当前轮次对话，将历史对话、当前轮次对话、当前轮次对话中的槽和与当前轮次对话中的槽对应的值集合输入至对话状态跟踪模型；通过对话状态跟踪模型对历史对话、当前轮次对话、当前轮次对话中的槽和与当前轮次对话中的槽对应的值集合进行特征提取，以获取与当前轮次对话对应的对话状态；对话状态跟踪模型是基于自适应优化损失函数训练得到的，自适应优化损失函数包括槽优化系数和样本优化系数，并且槽优化系数是根据每个槽在验证数据集上的准确率确定的，样本优化系数是根据各轮次对话样本的置信度确定的。本公开能够改善对话状态跟踪中的槽不均衡问题。
-
公开(公告)号：CN110442878A
公开(公告)日：2019-11-12
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
IPC: G06F17/28
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。
-
公开(公告)号：CN110263349A
公开(公告)日：2019-09-20
申请号：CN201910176030.0
申请日：2019-03-08
Applicant: 腾讯科技(深圳)有限公司 , 中国科学院计算技术研究所
Abstract: 本申请涉及一种语料评估模型训练方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取平行语料；所述平行语料包括源文本和相应的参考翻译文本；通过机器翻译模型对所述源文本进行翻译得到相应的机器翻译文本；将所述源文本和所述机器翻译文本共同作为语料评估模型的训练样本；对比所述机器翻译文本和所述参考翻译文本，得到与所述训练样本相应的训练标签；通过所述训练样本和相应的训练标签训练所述语料评估模型。本申请提供的方案可以提高模型训练效率和效果。
-
公开(公告)号：CN110263348A
公开(公告)日：2019-09-20
申请号：CN201910168264.0
申请日：2019-03-06
Applicant: 腾讯科技(深圳)有限公司 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种翻译方法、装置、计算机设备和存储介质，所述方法包括：获取目标源语句以及对所述目标源语句进行翻译得到的初始翻译语句；利用已训练的机器学习模型对所述目标源语句以及所述初始翻译语句进行编码，得到所述目标源语句对应的第一编码向量序列以及所述初始翻译语句对应的第二编码向量序列；利用所述机器学习模型对所述第一编码向量序列以及所述第二编码向量序列进行联合解码，得到语句调整操作序列；根据所述语句调整操作序列对所述初始翻译语句进行语句调整，得到所述目标源语句对应的目标翻译语句。上述方法可以提高翻译准确度。
-
公开(公告)号：CN101989260B
公开(公告)日：2012-08-22
申请号：CN200910164808.2
申请日：2009-08-01
Applicant: 中国科学院计算技术研究所
IPC: G06F17/28
Abstract: 本发明提供一种统计机器解码方法，包括下列步骤：1)对于测试集的每个源语言句子，由单解码器生成测试集句子的翻译超图；2)将所述测试集句子的翻译超图压缩为测试集句子的共享压缩翻译超图；3)在所述测试集句子的共享压缩翻译超图上，进行联合解码，从所述联合解码所获得的多个最优译文中选择最终译文。根据上述方法进行统计机器解码，缓解了单解码器和系统融合的局限性，并且提高了译文翻译的准确性。
-
-
-
-
Search Results
25
records
(took 0.051 seconds)
