-
公开(公告)号：CN111400489B
公开(公告)日：2022-12-02
申请号：CN202010269479.4
申请日：2020-04-08
Applicant: 科大讯飞股份有限公司 , 哈尔滨工业大学
IPC: G06F16/34
Abstract: 本发明实施例提供一种对话文本摘要生成方法、装置、电子设备和存储介质，其中方法包括：确定对话文本；将所述对话文本中每一发言人对应的分句输入至对话文本摘要模型中，得到所述对话文本摘要模型输出的所述对话文本对应的摘要；所述对话文本摘要模型用于确定所述对话文本中每一发言人的先验发言人特征表示，并基于所述对话文本中每一发言人对应的分句和先验发言人特征表示，生成所述对话文本对应的摘要；所述对话文本摘要模型是基于样本对话文本中每一发言人对应的样本分句，以及所述样本对话文本的样本摘要训练得到的。本发明实施例提供的对话文本摘要生成方法、装置、电子设备和存储介质，提高了对话文本摘要生成的准确性。
-
公开(公告)号：CN111400489A
公开(公告)日：2020-07-10
申请号：CN202010269479.4
申请日：2020-04-08
Applicant: 科大讯飞股份有限公司 , 哈尔滨工业大学
IPC: G06F16/34
Abstract: 本发明实施例提供一种对话文本摘要生成方法、装置、电子设备和存储介质，其中方法包括：确定对话文本；将所述对话文本中每一发言人对应的分句输入至对话文本摘要模型中，得到所述对话文本摘要模型输出的所述对话文本对应的摘要；所述对话文本摘要模型用于确定所述对话文本中每一发言人的先验发言人特征表示，并基于所述对话文本中每一发言人对应的分句和先验发言人特征表示，生成所述对话文本对应的摘要；所述对话文本摘要模型是基于样本对话文本中每一发言人对应的样本分句，以及所述样本对话文本的样本摘要训练得到的。本发明实施例提供的对话文本摘要生成方法、装置、电子设备和存储介质，提高了对话文本摘要生成的准确性。
-
公开(公告)号：CN112256868B
公开(公告)日：2025-04-15
申请号：CN202011069841.X
申请日：2020-09-30
IPC: G06F16/35 , G06F40/151 , G06F18/214 , G06N3/006
Abstract: 本申请适用于终端人工智能技术领域，提供了零指代消解方法、训练零指代消解模型的方法及电子设备。上述训练零指代消解模型的方法包括：将训练文本中的所有词转换为第一向量；其中，训练文本中包括多个先行词和多个零代词，第一向量包括与各个先行词对应的第一先行词向量和与各个零代词对应的第一零代词向量，第一零代词向量中包含零代词的位置信息；将零代词的位置信息融合到第一先行词向量中，得到第二先行词向量；基于第一零代词向量和第二先行词向量，确定每个先行词的理论类别标签；其中，每个先行词对应一个预设类别标签；根据每个先行词的理论类别标签与预设类别标签，对零指代消解模型进行训练。上述方法能够提高零指代消解的准确性。
-
公开(公告)号：CN119046431A
公开(公告)日：2024-11-29
申请号：CN202411158824.1
申请日：2024-08-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于一阶自然逻辑的多项选择问答系统，包括：预处理模块，用于将问题和候选答案转化为假设；一阶逻辑模块，用于利用一阶逻辑将假设分解为子假设；自然逻辑模块，用于利用自然逻辑从外部语料库改写前提，产生与原始前提传达相同含义的中间前提，并以预定义的最大推理深度λ作为停止标准，迭代生成前提到假设的推理路径；框架构建模块，用于结合一阶逻辑与自然逻辑，集成神经网络构建神经符号推理框架；结果输出模块，用于基于神经符号推理框架，计算中间前提和子假设之间的语义相似度，根据相似度得分输出得分最高的最终选择答案。本发明不仅缩短了推理路径，而且增强了动词短语的对齐。
-
公开(公告)号：CN118364103A
公开(公告)日：2024-07-19
申请号：CN202410461572.3
申请日：2024-04-17
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F18/21 , G06F18/2431 , G06F40/216 , G06N3/042 , G06N3/0455 , G06N3/0895 , G06N5/045
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种自验证式的探索预训练语言模型中明喻知识的方法及其系统。步骤1、构建多级明喻识别数据集；步骤2、创建多级明喻识别任务，帮助PLMs评估明喻质量；步骤3、将多级明喻识别分数融合进明喻生成任务。本发明为解决现有预训练语言模型无法很好评价明喻好坏从而无法很好地探索明喻知识的问题。
-
Patent Agency Ranking
公开(公告)号：CN112148863B
公开(公告)日：2022-07-01
申请号：CN202011104023.9
申请日：2020-10-15
Applicant: 哈尔滨工业大学
IPC: G06F16/332 , G06F40/295 , G06N3/04
Abstract: 一种融入常识知识的生成式对话摘要方法，属于自然语言处理领域。本发明解决了现有生成式对话摘要方法未利用常识知识而导致生成的对话摘要不准确，抽象性低的问题。本发明方法包括：获取常识知识库ConceptNet与对话摘要数据集SAMSum；利用获取的常识知识库ConceptNet为对话摘要数据集SAMSum引入元组知识，构建异构对话图；练步骤三中构造的对话异构神经网络模型，通过训练的对话异构神经网络模型从一段对话中生成最终对话摘要。本发明应用于对话摘要的生成。
-
公开(公告)号：CN114528381A
公开(公告)日：2022-05-24
申请号：CN202011199067.4
申请日：2020-10-31
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/35 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供了一种问答识别方法以及相关设备。首先，获取目标问答对，然后，将目标问答对输入目标问答模型，目标问答模型的损失函数由分类模块的第一损失函数、答案抽取模块的第二损失函数以及答案识别模块的第三损失函数得到。最后，输出答案库中是否包括目标问题所对应的目标答案。由此可鉴，目标问答模型针对问题作答时结合了分类模块、答案抽取模块以及答案识别模块的特征，通过协同不同粒度的语义，提升对话问答的准确率。
-
公开(公告)号：CN114462607A
公开(公告)日：2022-05-10
申请号：CN202210131870.7
申请日：2022-02-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开基于双曲空间的事理图谱增强的因果推理方法及系统，包括，获取事件对及事理图谱，基于事理图谱获取事件对的证据事件，将证据事件及事件对组成因果证据图，其中事件对包括原因事件和结果事件；将因果证据图转换为事件表示，对将事件表示从欧式空间映射到双曲空间中，获取双曲事件表示；对双曲事件表示进行有向因果推理，得到事件对最终嵌入，并对事件对最终嵌入进行计算，得到因果强度分数。通过上述技术方案，本发明能够提高因果推理的稳定性和可解释性。
-
公开(公告)号：CN110516213B
公开(公告)日：2022-04-15
申请号：CN201910828514.9
申请日：2019-09-03
Applicant: 哈尔滨工业大学
IPC: G06F40/194 , G06F40/166 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 一种基于表格层次化建模的结构化数据生成文本方法，本发明涉及结构化数据生成文本方法。本发明的目的是为了解决现有结构化数据生成文本只利用了数据本身单一信息，无法衡量实体数据整体情况以及同类型数据的表现差异和多表格数据之间的利用不充分问题。一、将数据集的记录用三元组表示，分别对每条记录所属的行、列维度建模得到该记录的行向量、列向量，并引入时间轴，对不同日期的同类型数据建模得到该记录的时间向量；二、融合行向量、列向量和时间向量得到该记录新的向量表示；三、对每行记录的新向量进行均值池化得到新行向量；四、每个解码时刻，对三得到的向量进行解码，得到当前时刻每条记录的权重。本发明用于表格数据生成文本方法。
-
公开(公告)号：CN114238554A
公开(公告)日：2022-03-25
申请号：CN202010942991.0
申请日：2020-09-09
Abstract: 本申请提供一种文本标注提取方法。方法应用于人工智能领域。方法包括：服务器接收并响应电子设备发送第一标注请求，启动动态标注服务，其中，动态标注服务对应有第一动态标注模型；服务器接收电子设备发送的第一文本序列以及第一文本序列对应的第一标注信息，其中，第一文本序列包括第一文本信息和第二标签；服务器获取第二文本序列；当第一文本序列的数量大于第一阈值时，服务器通过第一动态标注模型确定出第二文本序列的第二标注信息；服务器基于第二标注信息，提取出第二文本序列中带有第二标签的属性的文字。通过这种方法，当自动标注模型的标注标签变化时，无需重新训练模型，能够提高自动标注的效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.063 seconds)
