-
公开(公告)号：CN113052413A
公开(公告)日：2021-06-29
申请号：CN201911368970.6
申请日：2019-12-26
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本申请提供了一种风险旅客评估方法，包括：获取多个待评估旅客的信息，每个待评估旅客的信息包括多个出行信息和多个属性信息；根据出行信息计算每个待评估旅客的第一风险值，并将第一风险值超过第一预设阈值的待评估旅客纳入第一候选旅客集合；将出行信息输入梯度提升决策树，输出待评估旅客的第二风险值，并将第二风险值超过第一预设阈值的待评估旅客纳入第二候选旅客集合；根据第一候选旅客集合与第二候选旅客集合得到第三候选旅客集合；根据第三候选旅客集合中的第三候选旅客的身份信息，计算第三风险值，并确定第三风险值超过第二预设阈值的第三候选旅客为风险旅客，采用多方信息和梯度提升决策树对风险旅客进行评估，增加了评估的准确性。
-
公开(公告)号：CN112329470A
公开(公告)日：2021-02-05
申请号：CN202011241374.4
申请日：2020-11-09
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 北京中科闻歌智安科技有限公司
IPC: G06F40/295 , G06F40/226 , G06N3/08
Abstract: 本申请提供了一种基于端到端模型训练的智能地址识别方法及装置，属于计算机技术领域。本申请通过获取训练数据集，所述训练数据集包括多个地址文本数据及每个所述地址文本数据对应的验证数据；针对每个地址文本数据，生成所述地址文本数据对应的字符嵌入向量序列；将所述字符嵌入向量序列输入至第一级子模型；将每一级子模型的输出数据与所述验证数据比较，得到多个误差；根据所述多个误差调整所述地址文本识别模型的参数，直至所述地址文本识别模型收敛时，训练结束。通过本申请，可以将多个级联的子模型产生的多个误差，作为依据以调整地址文本识别模型的参数，减少多个级联子模型的整体误差，避免了多个子模型之间的误差累积。
-
公开(公告)号：CN110134942B
公开(公告)日：2020-10-23
申请号：CN201910260924.8
申请日：2019-04-01
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/211 , G06F40/289 , G06F16/951 , G06F16/9535 , G06F16/35
Abstract: 本发明实施例涉及一种文本热点提取方法及装置，包括：采用正则表达式对输入的至少一个文本数据按照设定规则进行分割处理，得到多个第一短文本数据；采用依存句法分析算法将第二短文本数据生成对应的第四短文本数据；将第三短文本数据和第四文短本数据进行向量化处理，得到对应的多个文本向量；基于相似度算法确定任意两个文本向量之间的相似度；将相似度大于相似度阈值的两个文本向量进行合并处理，句法分析抽取关系词而组成的短句提高了信息抽取的可观性和准确度，让用户可以更好的理解文本内容从而获取核心关键信息点，通过Word2vec将短句向量化进行相似度对比，保留词语之间的语义信息，从而保证了排重工作的准确性，尽可能的避免了热点信息的冗余。
-
公开(公告)号：CN119005198A
公开(公告)日：2024-11-22
申请号：CN202411030867.1
申请日：2024-07-30
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本公开涉及一种基于大模型的海量负面信息检测方法、装置、设备及介质。其中，基于大模型的海量负面信息检测方法包括：获取待检测文本，由目标机器学习模型对待检测文本进行分析输出第一结果，在第一结果为待检测文本对应的情感分析结果为非负面时，获取目标指令语句，由目标大语言模型基于目标指令语句对待检测文本进行情感分析，输出第二结果，将第二结果确定为待检测文本的检测结果，目标大语言模型的第一参数量高于目标机器学习模型的第二参数量，由此，能够通过不同参数量的机器学习模型和大语言模型结合的方式对待检测文本进行情感分析，确定待检测文本的检测结果，实现了在对待检测文本快速进行情感分析的基础上提高了情感分析的准确性。
-
公开(公告)号：CN117591948B
公开(公告)日：2024-09-03
申请号：CN202410082714.5
申请日：2024-01-19
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F18/2411 , G06F40/166 , G06F18/214
Abstract: 本公开提供了一种评论生成模型训练方法和装置，涉及人工智能技术领域，具体涉及自然语言处理、深度学习、大模型等技术领域。具体实现方案为：获取文本样本集，文本样本集包括：第一文本样本，第一文本样本包括：展示文本以及与展示文本相关的情感立场文本；获取预先构建的评论生成网络，评论生成网络包括：编码器和解码器，编码器分别对展示文本和情感立场文本进行建模，得到评论全局特征向量；解码器用于对评论全局特征向量进行解码，得到评论结果信息；将从文本样本集中选取的第一文本样本输入评论生成网络，得到评论生成网络输出的评论结果信息；基于评论结果信息，得到训练完成的评论生成模型。
-
Patent Agency Ranking
公开(公告)号：CN117972420A
公开(公告)日：2024-05-03
申请号：CN202410038893.2
申请日：2024-01-10
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F18/214 , G06F40/194 , G06F40/30
Abstract: 本申请涉及自然语言处理技术领域，尤其涉及一种基于预训练模型的通用立场检测方法、装置和存储介质。包括：获取待检测文本和待检测立场目标；将待检测文本和待检测立场目标输入通用立场检测模型，预测待检测文本对于待检测立场目标的立场类别概率分布；立场类别用于表示待检测文本对于待检测立场目标的立场；通用立场检测模型为根据至少一个文本、至少一个立场目标、每个文本的立场类别和每个文本的立场类型预先训练得到；立场类型用于表示文本的立场类别是否依赖于立场目标；将立场类别概率分布中最大概率数值对应的立场类别，确定为待检测文本对于待检测立场目标的立场类别。本申请实施例用于解决立场检测的检测效果较差的问题。
-
公开(公告)号：CN117113990A
公开(公告)日：2023-11-24
申请号：CN202311374453.6
申请日：2023-10-23
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/284 , G06F40/289 , G06F18/25
Abstract: 本发明涉及计算机技术应用领域，提供了一种面向大语言模型的词向量生成方法、电子设备及存储介质，包括：获取待分词的文本，作为目标文本；对目标文本进行分词处理，得到对应的分词集S；基于预设词向量基准表T，获取每个词在每个嵌入矩阵的特征向量；基于预设滑动窗口长度d，将S划分为多个语句片段，得到对应的语句片段集SP；对每个语句片段的特征向量进行融合，得到对应的特征向量；得到SP对应的特征向量F作为目标文本的特征向量。本发明在词向量生成过程中，将多个相邻的词组合视为一个词，能够使得分词的长度得到极大的压缩。此外，将不同词的特征向量通过张量积的方式组合成一个词的特征向量，可以极大的降低可训练参数量。
-
公开(公告)号：CN116361469A
公开(公告)日：2023-06-30
申请号：CN202310347857.X
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
IPC: G06F16/35
Abstract: 本发明提供了一种基于预训练模型的话题生成方法，包括：获取待聚类文本中的每个文本的特征向量和关键词，每个文本包括h个关键词；利用设定聚类算法对待聚类文本进行聚类，得到多个话题；对多个话题进行清洗和合并处理，得到处理后的n个话题；对于n个话题中的任一话题，基于预训练生成模型生成对应的话题描述；输出n个话题的话题描述和对应的文本。本发明由于采用预训练生成模型生成话题描述，使得得到的话题描述通顺，可读性强，并且由于对话题进行了清洗和合并，使得聚类结果更加准确。
-
公开(公告)号：CN116049414B
公开(公告)日：2023-06-06
申请号：CN202310346367.8
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
Abstract: 本发明提供了一种基于话题描述的文本聚类方法、电子设备和存储介质，方法包括：首先对待聚类的每个文本生成一个话题描述，然后将该话题描述输入话题描述特征生成模型，提取话题描述的特征，作为当前文本的话题描述特征，基于该特征，对文本进行聚类，相较于直接使用原始文本提取的特征进行聚类，使用生成的话题描述特征进行聚类，减少了文本内容形式多样导致的噪声干扰，提高了聚类准确性。聚类后，基于文本和话题的特征向量之间的相似度以及文本和话题的话题描述特征向量之间的相似度，对聚类结果进行清洗和合并，最后得到聚类结果和每个话题的话题描述，能够使得聚类结果更加准确。
-
公开(公告)号：CN116049414A
公开(公告)日：2023-05-02
申请号：CN202310346367.8
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
Abstract: 本发明提供了一种基于话题描述的文本聚类方法、电子设备和存储介质，方法包括：首先对待聚类的每个文本生成一个话题描述，然后将该话题描述输入话题描述特征生成模型，提取话题描述的特征，作为当前文本的话题描述特征，基于该特征，对文本进行聚类，相较于直接使用原始文本提取的特征进行聚类，使用生成的话题描述特征进行聚类，减少了文本内容形式多样导致的噪声干扰，提高了聚类准确性。聚类后，基于文本和话题的特征向量之间的相似度以及文本和话题的话题描述特征向量之间的相似度，对聚类结果进行清洗和合并，最后得到聚类结果和每个话题的话题描述，能够使得聚类结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.032 seconds)
