适用于语法分析的置信度评估方法及装置

    公开(公告)号:CN110222148B

    公开(公告)日:2021-05-04

    申请号:CN201910412570.4

    申请日:2019-05-17

    Abstract: 本发明公开了一种适用于语法分析的置信度评估方法及装置,其中,方法包括以下步骤:获取训练数据,并根据训练数据训练从逻辑形式到自然语言的翻译模型;通过翻译模型捕捉逻辑形式与自然语言之间的映射关系,获取输入数据的自然语义和预测的解析结果,预估得到数据不确定性;通过置信度估计算法得到每个输出结果的模型不确定性,其中,对于数据的不确定性,对基础模型的后验概率输出和置信度特征连结,并通过编码器得到其抽象表示,并学习标签的转换概率,得到输入数据的置信度。该方法可以有效的提高模型预测精度,并且在实际场景中能给出预测结果解释性。

    一种融入外部知识的端到端对话方法及系统

    公开(公告)号:CN110188167B

    公开(公告)日:2021-03-30

    申请号:CN201910412757.4

    申请日:2019-05-17

    Abstract: 本发明公开了一种融入外部知识的端到端对话方法及系统,其中,该方法包括:获取输入文本信息;获取与输入文本信息对应的对话历史信息,对对话历史信息进行编码,生成历史信息向量;获取数据库信息,通过外部数据库接入模块的多头键值对记忆网络对数据库信息进行编码,生成数据库向量;对输入文本信息进行编码,并根据历史信息向量和数据库向量生成文本回复。该方法搭建一个完全基于注意力机制的对话系统,降低模型训练时间,从多个维度提取知识库信息,增强知识库检索能力。

    对话管理方案和对话管理语料的构建方法

    公开(公告)号:CN112199477A

    公开(公告)日:2021-01-08

    申请号:CN202010923864.6

    申请日:2020-09-04

    Abstract: 本申请公开了一种对话管理方案和对话管理语料的构建方法,其中,方法包括:根据对话场景、定义意图、词槽和/或动作构建基于规则的对话流树;遍历对话流树,转化成对话管理训练语料的格式,以构建与对话流树能力相适应的对话管理模型;在开发阶段,通过与用户模拟器或人工智能训练师进行交互,并在人机对话体验达到预设效果后,通过上线运行收集用户的真实交互数据,并且引入用户的反馈,持续不断地迭代增强对话管理模型,以实现对话管理。本申请实施例的对话管理方案和对话管理语料的构建方法,采用对话流的开发模式相比于相关技术中的纯技能开发模式具有设计思路更清晰、表达更直观、开发更高效等特点,从而既能作为融入专家知识的规则,又能够解决对话管理语料生成或构造困难的问题。

    双向的意图槽值交叉相关的任务型对话理解系统及方法

    公开(公告)号:CN109858030B

    公开(公告)日:2020-11-06

    申请号:CN201910110030.0

    申请日:2019-02-11

    Abstract: 本发明公开了一种双向的意图槽值交叉相关的任务型对话理解系统及方法,其中,系统包括:文本输入模块、词向量模块、对话语义理解编码器模块、对话语义理解译码器模块、SF‑ID网络模块、Softmax分类模块和对话理解信息模块,其中,对话语义理解编码器模块用于语义解析,对话语义理解译码器模块用于提取意图和槽值的特征向量;SF‑ID网络模块用于通过意图和槽值相互作用的机制对特征向量进行深层特征的提取;Softmax分类模块用于获取意图识别和槽值填充的初步结果;对话理解信息模块用于输出意图识别和槽值提取的输出结果。该系统可以使得自然语义理解的性能得到了大幅度的提升,简单易实现。

    基于AI的非结构化数据管理方法及装置

    公开(公告)号:CN108268600B

    公开(公告)日:2020-09-08

    申请号:CN201711387626.2

    申请日:2017-12-20

    Abstract: 本发明公开了一种基于AI的非结构化数据管理方法及装置,其中,方法包括:通过HDFS和Nosql存储大规模的非结构化数据对象;从非结构化数据对象中通过AI智能算法提取数据特征,并且将提取的数据特征存储在外部表,并构建非结构化数据模型;使用SQL检索非结构化数据对象的特征表,实现对非结构化数据的管理,而所述非结构化数据模型用于对非结构化数据进行相似性搜索。该方法可以有效提高对非结构化数据的查询准确度及扩展性,实现非结构化数据核心的数据特征价值提取,使得非结构化数据得以很方便地识别,检索和使用,充分体现了增值业务的多样性和灵活性。

    面向数据可视化的前端组件化开发方法及系统

    公开(公告)号:CN111562912A

    公开(公告)日:2020-08-21

    申请号:CN202010270060.0

    申请日:2020-04-08

    Abstract: 本发明公开了一种面向数据可视化的前端组件化开发方法及系统,其中,方法包括以下步骤:对组件层次进行划分,并根据不同层次组件之间的共性生成通用的组件组成结构;根据从规范性描述到实际代码的映射规则,依据组件组成结构创建每一类组件的代码模版,生成通用可视化图表组件库和基础功能组件库;在组件库中进行组件的选择组合以实现系统前端页面布局,并将不同的组件按照数据传递及绑定规则生成基于组件构成的数据可视化应用系统。该方法不仅提高了可视化图表组件的通用性及可移植性,而且有效地降低了数据可视化系统的开发和维护成本,提高了开发效率。

    基于JSON树的可视化API组合方法及系统

    公开(公告)号:CN111240660A

    公开(公告)日:2020-06-05

    申请号:CN202010009777.X

    申请日:2020-01-06

    Abstract: 本发明公开了一种基于JSON树的可视化API组合方法及系统,其中,方法包括以下步骤:在同步解释执行时,根据父节点的API执行结果确定要执行的孩子节点,并且根据预设的MVEL脚本机制进行http请求响应消息的格式转换,以将不同风格的接口统一封装;在异步解释执行时,引入RabbitMQ消息队列,并且引入Redis缓存以及多线程机制,以实现事件的订阅及发布机制。该方法可以将不同风格的接口快速统一封装,并有效提高整个系统的性能,简单易实现。

    基于深度学习的问题分类模型训练方法、分类方法及装置

    公开(公告)号:CN107291822B

    公开(公告)日:2020-03-24

    申请号:CN201710375175.4

    申请日:2017-05-24

    Abstract: 本发明公开了一种基于深度学习的问题分类模型训练方法、问题分类方法以及装置。其中问题分类模型训练方法包括:提取问题文本样本中的特征信息样本,并生成对应的第一特征向量样本;对第一特征向量样本进行空间变换,得到第二特征向量样本;将第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层,以通过叠加卷积操作和池化操作,得到第一融合特征向量样本;将第一融合特征向量样本输入至多层卷积神经网络中的全连接层,得到全局特征向量样本;根据全局特征向量样本对Softmax分类器进行训练,得到问题分类模型。该方法可免去大量人工设计特征的开销,通过该问题分类模型可以得到更加准确的分类结果,提高了标准问题与答案的定位。

    基于翻译模型的协同迭代联合实体对齐方法及装置

    公开(公告)号:CN110188206A

    公开(公告)日:2019-08-30

    申请号:CN201910380017.7

    申请日:2019-05-08

    Abstract: 本发明公开了一种基于翻译模型的协同迭代联合实体对齐方法及装置,该方法包括:通过数据预处理模块处理多个知识图谱,统计多个知识图谱中的实体、关系、属性、属性值、关系三元组和属性三元组各个数据,根据预设的频率选择方法生成实体对齐种子集;通过关系三元组联合嵌入模块生成关系三元组联合嵌入空间;通过属性三元组联合嵌入模块生成属性三元组联合嵌入空间;通过协同迭代训练模块选取语义距离最小的一对实体组成实体对,将满足预设距离阈值的实体对添加到实体对齐种子集对实体对齐种子集进行更新;迭代直至不存在满足预设距离阈值的实体对。该方法可以解决多个知识图谱共同融合的问题和结构异质的知识图谱、跨语言知识图谱实体对齐问题。

Patent Agency Ranking