-
公开(公告)号：CN118364076A
公开(公告)日：2024-07-19
申请号：CN202410451854.5
申请日：2024-04-15
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/332 , G06F16/335 , G06F16/36 , G06F18/22 , G06F18/23213
Abstract: 本申请公开了输入指令的增强方法、装置、设备、存储介质及程序产品，涉及人工智能技术领域，该方法包括：依据用户的历史对话数据构建用户画像标签，并依据所述用户的业务领域确定所述用户的领域知识标签；依据所述用户画像标签以及所述领域知识标签对所述用户的输入问题指令进行逻辑增强处理，生成增强后的输入问题指令。本申请旨在提高现有提示输入工程理解输入指令的准确性以优化模型的输出。
-
公开(公告)号：CN112241864A
公开(公告)日：2021-01-19
申请号：CN201910642139.9
申请日：2019-07-16
Applicant: 中移(苏州)软件技术有限公司 , 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06Q10/10 , G06Q30/06 , G06F16/958
Abstract: 本发明实施例公开了一种信息处理方法、装置和计算机可读存储介质，该方法包括：对网页数据进行分析，得到第一招标项目和所述第一招标项目的项目周期和第一公告时间；所述第一公告时间在当前时间之前；基于所述项目周期和所述第一公告时间，确定与所述第一招标项目关联的第二招标项目的第二公告时间，所述第二公告时间在当前时间之后。本发明实施例实现了对尚未发生的招标进行自动化预测预警，让用户可以早做准备，在市场竞争中占得先机。
-
公开(公告)号：CN118075020A
公开(公告)日：2024-05-24
申请号：CN202410358615.5
申请日：2024-03-26
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了网络流量的检测方法、装置、设备、存储介质及程序产品，涉及通信技术领域，该方法包括：获取实时的网络流量数据，并根据所述网络流量数据确定特征向量；基于所述网络流量数据确定预设的孪生编码器的样本向量，并根据所述样本向量和所述特征向量构建孤立森林模型；根据所述孤立森林模型和预设的孤立度阈值确定流量检测结果。本申请解决了网络流量检测的维护成本较高的技术问题。
-
公开(公告)号：CN117675942A
公开(公告)日：2024-03-08
申请号：CN202311656465.8
申请日：2023-12-04
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种服务调用路径确定方法、装置、设备和可读存储介质，所述方法包括：确定下游服务的目标实例集合；根据所述目标实例集合中每一实例的响应时延，对所述目标实例集合中的实例进行分组，为不同实例分组设定不同的锚定概率；根据所述锚定概率，在所述目标实例集合中确定目标服务实例。本发明使得服务实例调用路径收敛，减少了链路切换，进而减少系统资源的消耗，保证了数据传输的稳定性。
-
公开(公告)号：CN112241864B
公开(公告)日：2022-12-16
申请号：CN201910642139.9
申请日：2019-07-16
Applicant: 中移(苏州)软件技术有限公司 , 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06Q10/10 , G06Q30/06 , G06F16/958
Abstract: 本发明实施例公开了一种信息处理方法、装置和计算机可读存储介质，该方法包括：对网页数据进行分析，得到第一招标项目和所述第一招标项目的项目周期和第一公告时间；所述第一公告时间在当前时间之前；基于所述项目周期和所述第一公告时间，确定与所述第一招标项目关联的第二招标项目的第二公告时间，所述第二公告时间在当前时间之后。本发明实施例实现了对尚未发生的招标进行自动化预测预警，让用户可以早做准备，在市场竞争中占得先机。
-
Patent Agency Ranking
公开(公告)号：CN118445733A
公开(公告)日：2024-08-06
申请号：CN202410681749.0
申请日：2024-05-28
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/2433 , G06F18/2415 , G06F18/27 , G06F18/2131 , G06F18/15 , G06F18/214 , G06F18/21 , G06N5/01 , G06N20/20 , G06Q50/06
Abstract: 本发明公开了一种数据异常检测方法、装置、设备、介质和程序产品，所述方法包括：将实时电力数据作为输入参数输入到至少两个基础模型中，以使所述基础模型分别基于所述实时电力数据预测得到异常概率和正常概率；获取所有所述基础模型输出的所述异常概率和所述正常概率，并将其作为输入参数输入到元模型中，以使所述元模型基于所有所述基础模型输出的所述异常概率和所述正常概率预测得到异常检测结果；获取所述元模型输出的所述异常检测结果。本发明提高异常检测的准确性。
-
公开(公告)号：CN118211153A
公开(公告)日：2024-06-18
申请号：CN202410340702.8
申请日：2024-03-22
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/2431 , G06F18/27 , G06F18/213 , G06F18/25 , G06F11/00 , G06F21/55 , G06N3/0455 , G06N3/092 , G06N3/098 , G06N3/084 , G06N3/0985 , G06N5/04
Abstract: 本申请公开了一种操作指令的风险预测方法、装置、设备、存储介质及产品，属于人工智能技术领域，该操作指令的风险预测方法包括：对中台运维管理系统中待执行的原始操作指令进行特征提取，得到原始操作指令的第一目标特征向量，其中，第一目标特征向量表征原始操作指令中除执行客体之外的各字符之间的关联程度和各字符串对原始操作指令的执行结果的影响程度；将第一目标特征向量输入至风险预测模型，得到原始操作指令的风险预测结果。本申请提供一种操作指令的风险预测策略，以提升运维操作指令风险预测的准确性。
-
公开(公告)号：CN118861284A
公开(公告)日：2024-10-29
申请号：CN202410875636.4
申请日：2024-07-01
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/194 , G06F40/284
Abstract: 本申请实施例公开了一种异常日志检测方法、系统、设备、存储介质及产品，涉及日志监控技术领域，公开了异常日志检测方法，包括：将各待检测日志各自划分为各个日志分词，并将各日志分词分别转化为数字，得到各待检测日志各自对应的数字序列；将各数字序列划分为各个簇，其中，同一簇中非簇心数字序列与簇心所对应的数字序列的相似度均大于或者等于预设相似度阈值，且，同一数字序列不存在于多个簇中；将各待检测日志中用户标注异常的日志对应的簇作为异常簇，并将异常簇中的数字序列各自对应的待检测日志作为异常日志。本申请实施例旨在解决如何提出一种简便的异常日志的检测方法的技术问题。
-
公开(公告)号：CN118838785A
公开(公告)日：2024-10-25
申请号：CN202410424333.0
申请日：2024-04-09
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F11/32 , G06V20/62 , G06V30/19 , G06V30/18 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本申请公开了一种服务器的运维监控方法、装置、设备、存储介质及产品，该方法包括：获取至少一个用于描述针对服务器的操作命令和命令执行结果的提示文本，并确定所述提示文本对应的文本编码向量；获取当前操作命令关联的视频帧，并根据所述视频帧确定所述当前操作命令对应的图片编码向量；基于语言表示模型，从已确定的各文本编码向量中确定所述图片编码向量的目标文本编码向量，其中，所述语言表示模型包括所述图片编码向量和已确定的各文本编码向量之间的对应关系；输出所述目标文本编码向量对应的目标提示文本。能够提高模型的泛化能力，改善服务器的运维监控预警效果。
-
公开(公告)号：CN118467726A
公开(公告)日：2024-08-09
申请号：CN202410173530.X
申请日：2024-02-06
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/35 , G06F18/243 , G06F18/2413 , G06N3/045 , G06N3/08 , G06F18/27 , G06N20/20
Abstract: 本发明属于数据处理技术领域，公开了一种文本主题提取方法、装置、设备、存储介质及产品。该方法包括：获取用户提问的问题文本；提取所述问题文本的特征工程向量；将所述特征工程向量输入至双塔模型中，得到所述问题文本的文本主题，其中，所述双塔模型包括文本表示网络和标签表示网络，所述文本表示网络为经过文本向量训练的网络，所述标签表示网络为经过标签向量训练的网络，所述文本向量为根据标注数据集的树回归向量和线性回归向量确定，所述标签向量为根据标签提取模型和无标注数据集确定，所述标签提取模型为基于树状结构的无监督标注提取模型。能够在高效率的情况下实现更准确更细粒度的文本主题提取。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.052 seconds)
