-
公开(公告)号：CN112445954A
公开(公告)日：2021-03-05
申请号：CN201910810983.8
申请日：2019-08-29
Applicant: 杭州中软安人网络通信股份有限公司
IPC: G06F16/951 , G06F16/958
Abstract: 本发明提供一种自动提取网页的方法及装置，所述方法包括：根据用户输入获得URL任务列表，将所述URL任务列表保存在临界区中；根据所述临界区中的URL任务列表，按照广度搜索运算法搜索提取网页，并提取URL返回到临界区中；通过判断主题相关度算法判断所提取的网页的相关度，清除不相关网页。本发明能够从用户想要访问的互联网上自动下载用户需要的网页。
-
公开(公告)号：CN112306997A
公开(公告)日：2021-02-02
申请号：CN201910665324.X
申请日：2019-07-23
Applicant: 杭州中软安人网络通信股份有限公司
IPC: G06F16/215 , G06F16/22 , G06F16/25 , G06F16/24
Abstract: 本发明提供一种数据质量管理系统。所述系统包括数据质量定义模块，用于通过对质量维度、检核类别、度量规则以及检核方法的定义和管理为检核任务调度模块提供必要的输入；检核任务调度模块，用于通过执行检核方法生成相应的检核结果问题数据文件；检核结果采集模块，用于将所述检核结果问题数据文件采集入库，并在采集过程中对检核结果数据进行汇总操作，并将明细数据和汇总数据分别存入结果明细表和汇总表；问题数据分析模块，用于对问题数据进行检索和分析，启动问题治理流程。本发明能够实现统一的数据质量检核和数据质量监控，提升管理效能和实施效率，规范质量管理流程。
-
公开(公告)号：CN119623484A
公开(公告)日：2025-03-14
申请号：CN202510148148.8
申请日：2025-02-11
Applicant: 杭州中软安人网络通信股份有限公司
IPC: G06F40/35 , G06F40/151 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明公开一种基于大模型的客服平台情感分析方法，涉及语言智能数据处理技术领域，其技术方案要点是：使用svm模型和Transformer模型结合形成svm‑transformer模型作为基础的情感分析模型进行分析，并使用带有标签的情感数据集对svm‑transformer模型进行微调训练，从而提高模型的准确性，通过交叉验证等方法对模型的性能进行评估，确保模型能够在新的数据上保持良好的泛化能力，本发明能够更准确地识别用户当前的情感状态，如满意或者不满意，避免传统方法中检测效率低、成本高、准确性差、难以监督等问题，进而为客服平台提供更精准的内容推荐、用户行为分析等功能。
-
公开(公告)号：CN112102828A
公开(公告)日：2020-12-18
申请号：CN202010918825.7
申请日：2020-09-04
Applicant: 杭州中软安人网络通信股份有限公司
Abstract: 本发明提供一种大屏幕自动播报内容的语音控制方法及系统。所述方法包括：语音接收终端接收语音控制指令，并将所述语音控制指令转换为文本格式后发送给服务端；服务端检测所述语音控制指令的类型，若所述语音控制指令为简单动作控制指令，则根据所述简单动作控制指令生成控制信号并发送给显示终端；若所述语音控制指令为复杂语音播报指令，则根据所述复杂语音播报指令确定播报内容，生成音频信号并发送给显示终端；显示终端根据所述服务端发送的控制信号对大屏界面进行切换控制，或者根据所述服务端发送的音频信号进行语音播报和大屏显示。本发明能够通过采集控制大屏幕的命令语音来实现大屏幕内容的自动播报，可以简化操作步骤，降低人力成本。
-
公开(公告)号：CN119623484B
公开(公告)日：2025-05-02
申请号：CN202510148148.8
申请日：2025-02-11
Applicant: 杭州中软安人网络通信股份有限公司
IPC: G06F40/35 , G06F40/151 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F18/25
Abstract: 本发明公开一种基于大模型的客服平台情感分析方法，涉及语言智能数据处理技术领域，其技术方案要点是：使用svm模型和Transformer模型结合形成svm‑transformer模型作为基础的情感分析模型进行分析，并使用带有标签的情感数据集对svm‑transformer模型进行微调训练，从而提高模型的准确性，通过交叉验证等方法对模型的性能进行评估，确保模型能够在新的数据上保持良好的泛化能力，本发明能够更准确地识别用户当前的情感状态，如满意或者不满意，避免传统方法中检测效率低、成本高、准确性差、难以监督等问题，进而为客服平台提供更精准的内容推荐、用户行为分析等功能。
-
Patent Agency Ranking
公开(公告)号：CN112445858A
公开(公告)日：2021-03-05
申请号：CN201910811117.0
申请日：2019-08-29
Applicant: 杭州中软安人网络通信股份有限公司
Abstract: 本发明提供一种大数据管控平台，包括：资源管理模块，用于调度和分配集群的内存和计算等资源给上层应用和服务，管理运行在集群节点上的任务的生命周期和资源使用；安全管理模块，用于提供以用户为单位的身份认证和授权，对集群数据资源和服务进行访问控制生成；远程过程调用模块，用于提供可靠高效的进程间远程调用服务；分布式协同服务模块，用于提供分布式系统基本的命名服务、状态同步服务和分布式锁服务；任务调度模块，用于面向海量数据处理和大规模计算类型的复杂应用，提供数据驱动的多级流水线并行计算框架；集群部署与监控模块，用于提供整个云操作系统以及上层应用服务的部署、配置管理以及服务的自检和自举。
-
公开(公告)号：CN112102817A
公开(公告)日：2020-12-18
申请号：CN201910527672.0
申请日：2019-06-18
Applicant: 杭州中软安人网络通信股份有限公司
Abstract: 本发明提供一种语音识别系统。所述系统包括：前端模块，用于对来自外部应用程序的音频信号输入进行处理以便输出特征流；解码器模块，用于根据来自于所述前端模块的特征流和来自于语言专家模块的搜索图，输出结果对象的实例；语言专家模块，用于为所述解码器模块提供所需的各种层次的知识组成的搜索图。本发明能够实现基于神经网络的语音识别，提高语音识别的准确度。
-
公开(公告)号：CN112101038A
公开(公告)日：2020-12-18
申请号：CN201910527665.0
申请日：2019-06-18
Applicant: 杭州中软安人网络通信股份有限公司
IPC: G06F40/30 , G06F40/289 , G06F16/33 , G06F16/35
Abstract: 本发明提供一种语义理解方法。所述方法包括：确定自然语言理解的语义表示方式；构建知识库；基于所构建的知识库，根据所确定的自然语言理解的语义表示方式，对用户输入的语句进行领域和意图分类；基于所构建的知识库，进行属性抽取，得到语义理解的多标签结果。本发明能够实现基于中文NLP深度神经网络的语义理解，提高语义理解的效率和准确度。
-
公开(公告)号：CN113961669A
公开(公告)日：2022-01-21
申请号：CN202111251502.8
申请日：2021-10-26
Applicant: 杭州中软安人网络通信股份有限公司
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本发明提供了一种预训练语言模型的训练方法、存储介质及服务器，该训练方法通过利用特定场景的文本语料对通用领域的语言模型进行预训练，所得到的专业领域的预训练语言模型可以更好地捕捉到特定场景下文本语料中的独有信息。通过分词工具分词，使得整体的词语作为是否被遮蔽的目标，能够加大语言模型的训练难度，提升语言模型的语义理解能力，进而提升经过训练所获得的预训练语言模型的准确性。增加的每条文本的类别标签信息也富有丰富的语义信息，通过加入类别标签信息，能够更好的让预训练语言模型理解整体的语言效果。改善采用预训练语言模型处理下游的自然语言处理任务过程中的准确性及效率。
-
公开(公告)号：CN110705712A
公开(公告)日：2020-01-17
申请号：CN201811581190.5
申请日：2018-12-24
Applicant: 杭州中软安人网络通信股份有限公司
Abstract: 本发明提供一种面向第三方社会服务的人工智能基础资源与技术开放平台，包括：基础设施层，提供网络与超大规模计算集群开放平台基础设施；基础数据资源层，通过对原始数据的组织和智能化标签，形成人工智能训练集、人工智能基准库和各类平台管理数据；智能分析层，通过机器学习方法，实现对语音、视频、图像、地理信息数据的识别；能力开放层，配备识别、交互、还原、分析和协作有关的智能技术基础组件；对外服务层，为需求单位和个人提供各类服务；安全体系，包含安全策略、安全评估和安全管理；运维体系，参照有关国家标准、地方标准和行业标准的有关要求，制定平台的制度规范；标准体系，参照有关国家标准和行业标准的要求制定各类标准。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.03 seconds)
