-
公开(公告)号：CN117332097A
公开(公告)日：2024-01-02
申请号：CN202311616473.X
申请日：2023-11-30
Applicant: 北京大数据先进技术研究院
IPC: G06F16/36 , G06F16/33 , G06F16/332 , G06N3/08
Abstract: 本申请提供了一种基于时空语义约束的知识问答方法、装置和产品，涉及知识问答技术领域，该方法为：对自然语言问句进行信息抽取，得到抽取结果，所述抽取结果包括实体、谓词、查询对象、显式时间约束、显式地点约束、次序约束、隐式时间约束、隐式地点约束；定义通用查询路径，将抽取结果进行组合编排，生成多个候选查询路径；在目标时空知识图谱中执行每一个候选查询路径，将搜索得到的查询结果与标准答案进行对比，根据对比结果，确定正确查询路径；利用正确查询路径和自然语言问句，进行模型训练，得到查询路径生成模型；将用户的目标问句输入查询路径生成模型，得到目标查询路径，在目标时空知识图谱中执行目标查询路径，得到目标答案。
-
公开(公告)号：CN120010537A
公开(公告)日：2025-05-16
申请号：CN202510480029.2
申请日：2025-04-17
Applicant: 北京大数据先进技术研究院
Abstract: 本申请实施例公开了一种基于乌鸦搜索算法的无人机动态路径规划方法，可以在真实环境中得到较好的路径规划效果。该方法将乌鸦搜索算法应用至无人机的路径规划中，并在每轮迭代中根据当前检测到的动态事件对适应度函数进行调整，且设计了针对乌鸦种群的多样行为策略，从而能够快速地响应任务场景的动态变化，及时地提供满足多个优化目标的目标路径规划方案集合。
-
公开(公告)号：CN119942004A
公开(公告)日：2025-05-06
申请号：CN202510429811.1
申请日：2025-04-08
Applicant: 北京大数据先进技术研究院
IPC: G06T17/00
Abstract: 本公开提供基于事件相机的三维高斯泼溅实现三维重建方法，属于计算机技术领域，旨在解决相关技术中的三维重建方法效果不好的问题。所述方法包括：获取针对目标场景的事件流；根据所述事件流，确定目标场景的初始三维高斯泼溅模型；根据所述事件流确定各个像素的时间表面信息；所述时间表面信息表征事件的动态时空背景信息；根据各个像素的时间表面信息，确定目标场景的地面实况；所述地面实况表征目标场景的实际亮度变化；根据所述初始三维高斯泼溅模型，确定渲染预测值，所述渲染预测值表征所述初始三维高斯泼溅模型在两个视角的渲染强度差；基于所述地面实况与所述渲染预测值之间的差异，对所述初始三维高斯泼溅模型进行调整，得到目标场景对应的三维高斯泼溅模型。
-
公开(公告)号：CN119904919A
公开(公告)日：2025-04-29
申请号：CN202510398957.4
申请日：2025-04-01
Applicant: 北京大数据先进技术研究院
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/26
Abstract: 本公开提供一种目标跟踪方法、装置及设备，属于目标跟踪技术领域，旨在解决相关技术中的目标跟踪方法无法对目标进行有效跟踪的问题。所述方法包括：获取各个模态的搜索区域图像对应的搜索区域序列，以及，获取各个动态模板对应的第一目标序列和各个静态模板对应的第二目标序列，所述静态模板表征跟踪目标的初始特征，所述动态模板表征跟踪目标的运动特征；将所述各个模态的搜索区域序列、第一目标序列、第二目标序列输入到权重共享的编码层，进行时序信息融合和模态间信息融合，得到每个模态的融合特征序列；根据各个模态的融合特征序列，在所述搜索区域图像中框选出所述跟踪目标。
-
公开(公告)号：CN119204198A
公开(公告)日：2024-12-27
申请号：CN202411403442.0
申请日：2024-10-09
Applicant: 北京大数据先进技术研究院
IPC: G06N5/025 , G06F18/213 , G06F16/2458 , G06F123/02
Abstract: 本申请提供了一种基于本体的时序数据抽取方法、系统、设备和存储介质，涉及时序数据处理技术领域，该方法包括：构建本体模型，所述本体模型包括：概念、概念属性、概念关系；确定本体模型和时序数据之间的数据抽取规则，所述数据抽取规则包括：使用的本体模型、以及使用的本体模型下的概念名称；根据数据抽取规则，对时序数据进行知识抽取，得到时序数据本体模型，所述时序数据本体模型表征从抽取的知识图谱。如此，通过构建本体模型为时序数据提供了明确的语义信息，从而实现对时序数据的标准化和规范化处理；并且，根据本体模型和时序数据之间的数据抽取规则，对时序数据进行知识抽取，减少人工干预，提高抽取过程的自动化和智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN118503494B
公开(公告)日：2024-11-01
申请号：CN202410615911.9
申请日：2024-05-17
Applicant: 北京大数据先进技术研究院
IPC: G06F16/9032 , G06N5/022 , G06F16/903
Abstract: 本申请提供了一种面向多源异构知识库的大模型问答方法、装置和设备，涉及知识问答技术领域，该方法包括：获取用户输入的问题信息；利用关键信息抽取模型，从问题信息中提取关键信息，关键信息为问题信息中的实体；关键信息抽取模型为通过低秩自适应方法进行参数微调后的大模型；利用实体链接模型，将关键信息与多源异构知识库中的实体进行实体匹配，得到增量信息；多源异构知识库至少包括：图数据库、文本数据库、结构化知识库和非结构化知识库，实体链接模型是通过无监督SimCSE微调方法，对原始向量模型进行参数微调后得到的；使用知识问答模板对增量信息和问题信息进行拼接，输入原始问答模型，得到所述问题信息的答案。
-
公开(公告)号：CN118262125B
公开(公告)日：2024-11-01
申请号：CN202410461353.5
申请日：2024-04-17
Applicant: 北京大数据先进技术研究院
IPC: G06V10/70 , G06V10/776 , G06V10/774 , G06V10/764 , G06V10/762 , G06N3/006
Abstract: 本申请公开了一种图像分类模型获取方法和图像分类方法、装置和设备，所述图像分类模型获取方法包括：生成包含多个模型参数组合的第一种群；基于目标图像数据集和模型参数组合，确定多个模型参数组合分别对应的评价指标；对第一种群包含的各个模型参数组合进行预设轮数的交叉变异，得到每轮交叉变异对应的第二种群并计算第二种群中包含的各个模型参数组合分别对应的评价指标；基于所获得的所有评价指标中的最大值对应的目标模型参数组合，从分类器库中提取与目标模型参数组合包含的权重参数对应的分类器进行组合，得到目标图像分类模型，能够随机生成并筛选最优的分类模型，提升了图像分类效果的稳定性。
-
公开(公告)号：CN118503494A
公开(公告)日：2024-08-16
申请号：CN202410615911.9
申请日：2024-05-17
Applicant: 北京大数据先进技术研究院
IPC: G06F16/9032 , G06N5/022 , G06F16/903
Abstract: 本申请提供了一种面向多源异构知识库的大模型问答方法、装置和设备，涉及知识问答技术领域，该方法包括：获取用户输入的问题信息；利用关键信息抽取模型，从问题信息中提取关键信息，关键信息为问题信息中的实体；关键信息抽取模型为通过低秩自适应方法进行参数微调后的大模型；利用实体链接模型，将关键信息与多源异构知识库中的实体进行实体匹配，得到增量信息；多源异构知识库至少包括：图数据库、文本数据库、结构化知识库和非结构化知识库，实体链接模型是通过无监督SimCSE微调方法，对原始向量模型进行参数微调后得到的；使用知识问答模板对增量信息和问题信息进行拼接，输入原始问答模型，得到所述问题信息的答案。
-
公开(公告)号：CN118395188A
公开(公告)日：2024-07-26
申请号：CN202410608919.2
申请日：2024-05-16
Applicant: 北京大数据先进技术研究院
IPC: G06F18/214 , G06N3/006 , G06F18/211 , G06F18/10 , G06F18/24
Abstract: 本发明关于一种基于粒子群算法的数据处理方法、装置、电子设备及介质，涉及网络技术领域，该方法通过获取待处理的初始网络数据集；对待填补特征对应的数据以及初始网络数据集包含的数据特征进行编码，以生成多个待更新粒子；针对任一待更新粒子，为待更新粒子生成适应度评估值；对多个待更新粒子分别进行更新，得到多个待更新粒子各自对应的更新后粒子；将各更新后粒子作为新的待更新粒子，并迭代执行上述生成适应度评估值、选取最优粒子以及对待更新粒子进行更新的操作，并在满足更新结束条件时，将当前的最优粒子确定为目标粒子；将基于目标粒子得到的填补后数据集，确定为最终的目标数据集。保证数据处理的有效性。
-
公开(公告)号：CN117972530A
公开(公告)日：2024-05-03
申请号：CN202410361825.X
申请日：2024-03-28
Applicant: 北京大数据先进技术研究院
IPC: G06F18/241 , G06F18/10 , G06F18/2431 , G06N3/006
Abstract: 本申请提供了一种基于蚁狮优化的缺失不平衡数据多分类方法和设备，该方法包括：基于目标场景下第一待分类数据集的缺失数据个数生成至少一个第一编码，基于第一待分类数据集的预设类别数和分类器库所包含的分类器的类别数生成多个第二编码，基于第一编码和各个第二编码生成多个迭代编码，基于蚁狮优化算法，从多个迭代编码中筛选得到适应度最大的目标迭代编码，从分类器库中抽取目标迭代编码对应的分类器进行组合，得到目标分类器群，基于目标分类器群识别第一待分类数据集的类别，能够根据待识别数据的特征类型生成多个迭代编码，采用蚁狮优化算法筛选最优迭代编码并生成相应的分类器群进行目标场景下的数据分类，提升了分类的灵活性和分类效果的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.035 seconds)
