-
公开(公告)号：CN110580291B
公开(公告)日：2021-12-21
申请号：CN201910688857.X
申请日：2019-07-29
Applicant: 用友网络科技股份有限公司 , 北京大学
IPC: G06F16/36 , G06F16/903 , G06Q10/10 , G06Q10/06
Abstract: 本发明提出了一种基于ERP客户服务知识图谱的智能搜索方法及计算机设备，其中，基于ERP客户服务知识图谱的智能搜索方法包括：接收搜索字符串，解析搜索字符串的搜索信息；判断搜索信息是否在知识图谱的知识范围内；当判断结果为是的情况下，在知识图谱中匹配搜索信息所对应的知识条目；显示知识条目。本发明提出的基于ERP客户服务知识图谱的智能搜索方法，根据搜索字符串中的搜索信息，基于知识图谱计算和匹配对应的知识条目，再将搜索到的相关知识条目予以显示，从而实现智能搜索服务；可以准确、快速地将与搜索信息相关的知识作为搜索结果提供给用户，从而提高客户服务效率。
-
公开(公告)号：CN110580291A
公开(公告)日：2019-12-17
申请号：CN201910688857.X
申请日：2019-07-29
Applicant: 用友网络科技股份有限公司 , 北京大学
IPC: G06F16/36 , G06F16/903 , G06Q10/10 , G06Q10/06
Abstract: 本发明提出了一种基于ERP客户服务知识图谱的智能搜索方法及计算机设备，其中，基于ERP客户服务知识图谱的智能搜索方法包括：接收搜索字符串，解析搜索字符串的搜索信息；判断搜索信息是否在知识图谱的知识范围内；当判断结果为是的情况下，在知识图谱中匹配搜索信息所对应的知识条目；显示知识条目。本发明提出的基于ERP客户服务知识图谱的智能搜索方法，根据搜索字符串中的搜索信息，基于知识图谱计算和匹配对应的知识条目，再将搜索到的相关知识条目予以显示，从而实现智能搜索服务；可以准确、快速地将与搜索信息相关的知识作为搜索结果提供给用户，从而提高客户服务效率。
-
Patent Agency Ranking
公开(公告)号：CN118587049A
公开(公告)日：2024-09-03
申请号：CN202410844516.8
申请日：2024-06-27
Applicant: 用友网络科技股份有限公司
IPC: G06Q50/18 , G06Q40/03 , G06F18/214 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 本发明提出了一种裁判文书的处理方法、装置和可读存储介质。裁判文书的处理方法包括：获取第一对象的第一裁判文书；获取第一数据提取模型，并获取第一结果识别模型；将第一裁判文书输入至第一数据提取模型，确定第一对象的属性数据；将第一裁判文书输入至第一结果识别模型，确定第一裁判文书的裁决结果类型；根据属性数据和裁决结果类型，确定第一对象的信用度。本发明提升了对于个人或企业信用度的评价准确性。
-
公开(公告)号：CN117727039A
公开(公告)日：2024-03-19
申请号：CN202311746693.4
申请日：2023-12-19
Applicant: 用友网络科技股份有限公司
IPC: G06V30/146 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多任务学习的文档图像校正方法和装置，该方法包括：文档图像输入、文档分类、目标检测、关键点定位、四方向分类、畸变校正、角度校正、输出结果；本发明还公开了一种基于多任务学习的文档图像校正模型训练方法和装置，该方法包括：文档图像训练数据采集、输入数据预处理、Backbone特征提取、Neck特征融合、Head输出，还包括损失函数确定。本发明利用多任务学习方法，将目标检测、关键点定位、四方向分类和文档分类结合在一起，共同完成文档图像校正任务，其在解决文档图像因拍摄和扫描过程导致的旋转、倾斜和畸变的问题时，可以实现任务之间的信息和特征共享，提高模型效率，提升校正性能，提升后续任务的准确度，具有准确高效的特点。
-
公开(公告)号：CN115455183A
公开(公告)日：2022-12-09
申请号：CN202211059854.8
申请日：2022-08-31
Applicant: 用友网络科技股份有限公司
IPC: G06F16/35 , G06F40/205 , G06N20/00
Abstract: 本发明提出了一种文本分类方法、文本分类装置、系统及可读存储介质。文本分类方法，包括：根据文本分类参数从多个预选分类模型中确定第一模型以及多个第二模型；根据第一文本数据对多个第二模型进行训练，并确定训练后的多个第二模型的多个输出数据；根据多个输出数据以及第一文本数据对第一模型进行训练；对训练后的第一模型进行优化处理，并对优化处理后的第一模型进行压缩处理；根据压缩后的第一模型对待分类文本进行文本分类处理；优化处理用于提升第一模型的训练程度。
-
公开(公告)号：CN110990576B
公开(公告)日：2023-06-16
申请号：CN201911344668.7
申请日：2019-12-24
Applicant: 用友网络科技股份有限公司
IPC: G06F18/214 , G06F18/241 , G06N3/047 , G06N3/0499 , G06N3/091 , G06N3/096 , G06F16/35 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G10L15/16
Abstract: 本发明提出了一种基于集成深度主动学习的意图分类方法、计算机设备以及计算机可读存储介质，其中，意图分类方法包括：获取意图分类数据集；在意图分类数据集中确定并标注第一数量的初始样本；基于集成深度主动学习方法和标注的初始样本构建意图分类模型；接收意图信息，根据意图分类模型确定与意图信息对应的意图类别。通过本发明的技术方案，可以减少标注样本数据的工作量；提高意图分类方法的准确性，增加意图分类方法的应用范围，在尽可能少的标注工作量下，快速构建意图分类模型。
-
公开(公告)号：CN110990576A
公开(公告)日：2020-04-10
申请号：CN201911344668.7
申请日：2019-12-24
Applicant: 用友网络科技股份有限公司
Abstract: 本发明提出了一种基于集成深度主动学习的意图分类方法、计算机设备以及计算机可读存储介质，其中，意图分类方法包括：获取意图分类数据集；在意图分类数据集中确定并标注第一数量的初始样本；基于集成深度主动学习方法和标注的初始样本构建意图分类模型；接收意图信息，根据意图分类模型确定与意图信息对应的意图类别。通过本发明的技术方案，可以减少标注样本数据的工作量；提高意图分类方法的准确性，增加意图分类方法的应用范围，在尽可能少的标注工作量下，快速构建意图分类模型。
-
-
-
-
-
-
Search Results
7
records
(took 0.031 seconds)
