-
-
公开(公告)号:CN115146617A
公开(公告)日:2022-10-04
申请号:CN202210714966.6
申请日:2022-06-22
Applicant: 青岛海尔电冰箱有限公司 , 中国海洋大学
IPC: G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明揭示了一种回馈数据生成方法、问答系统、问答设备及冰箱,方法包括:接收问句数据,根据问句数据在回馈基础数据库中模糊检索并计算,得到标准问句序列和至少两组目标问句序列;分别对标准问句序列和目标问句序列,依次执行双向循环神经网络遍历预测和窗口滑动卷积,对应得到标准问句特征矩阵和目标问句特征矩阵;对标准问句特征矩阵和目标问句特征矩阵执行投影融合,并根据得到的问句判断矩阵为标准问句特征矩阵和目标问句特征矩阵分配注意力向量,对比计算得到问句相似度数据;按照问句相似度数据对目标问句序列排序,查找并输出对应最大问句相似度数据的目标问句序列的最终答案语料。本发明能够提升回馈的准确性、速度,并简化架构。
-
公开(公告)号:CN118551343B
公开(公告)日:2024-10-29
申请号:CN202411044765.5
申请日:2024-08-01
Applicant: 青岛海尔电冰箱有限公司
IPC: G06F18/25 , G06F18/10 , G06N3/0495 , G06N3/082 , G06N3/0455 , G06N3/0464 , G06F18/24 , G06N3/045 , G06N3/088 , G06N3/0895 , G06N3/09
Abstract: 本发明提供一种多模态大模型构建方法、系统、制冷设备、存储介质,在获取多模态数据后,对多模态数据进行高效的编码和压缩,特别是利用语义压缩技术减少文本数据的冗余,同时应用去噪技术提升语音和视频数据的质量。不仅优化了数据本身,也为模型训练减轻了负担。并进一步通过上下文修剪技术对模型的嵌入层和激活层进行精简,去除那些对最终模型性能贡献较小的神经元,减少了模型对计算资源的需求的同时保持了模型处理关键信息的能力。通过上述步骤显著提升了深度学习模型在处理多模态数据时的计算效率,还通过模型结构的优化降低了对资源的需求,使得模型能在更广泛的应用场景下被部署和使用。
-
公开(公告)号:CN115952270A
公开(公告)日:2023-04-11
申请号:CN202310193530.1
申请日:2023-03-03
Applicant: 中国海洋大学 , 青岛海尔电冰箱有限公司
IPC: G06F16/332 , G06F16/35 , G06F16/33 , G06F18/22
Abstract: 本发明公开了一种冰箱的智能问答方法、装置和存储介质,属于智能问答领域,所述方法包括以下步骤:现有文档数据处理及文本向量化;数据存储;问题分类及召回;答案生成。本发明还提供了能够运行所述智能问答方法的装置和存储介质。本发明基于冰箱说明书及营养健康知识问答对,能够实现更快速、更精确的答案检索。
-
公开(公告)号:CN118551343A
公开(公告)日:2024-08-27
申请号:CN202411044765.5
申请日:2024-08-01
Applicant: 青岛海尔电冰箱有限公司
IPC: G06F18/25 , G06F18/10 , G06N3/0495 , G06N3/082 , G06N3/0455 , G06N3/0464 , G06F18/24 , G06N3/045 , G06N3/088 , G06N3/0895 , G06N3/09
Abstract: 本发明提供一种多模态大模型构建方法、系统、制冷设备、存储介质,在获取多模态数据后,对多模态数据进行高效的编码和压缩,特别是利用语义压缩技术减少文本数据的冗余,同时应用去噪技术提升语音和视频数据的质量。不仅优化了数据本身,也为模型训练减轻了负担。并进一步通过上下文修剪技术对模型的嵌入层和激活层进行精简,去除那些对最终模型性能贡献较小的神经元,减少了模型对计算资源的需求的同时保持了模型处理关键信息的能力。通过上述步骤显著提升了深度学习模型在处理多模态数据时的计算效率,还通过模型结构的优化降低了对资源的需求,使得模型能在更广泛的应用场景下被部署和使用。
-
公开(公告)号:CN116501859B
公开(公告)日:2023-09-01
申请号:CN202310752492.9
申请日:2023-06-26
Applicant: 中国海洋大学 , 青岛海尔电冰箱有限公司
IPC: G06F16/335 , G06F40/194 , G06F18/214 , G06N3/092 , G06N3/096
Abstract: 本发明涉及一种基于冰箱领域的段落检索方法、设备和介质,属于自然语言处理段落检索领域,所述方法包括针对对偶性任务将交叉训练方法用于迁移学习的模型训练中;在问题生成模型上引入流利性奖励机制和基于目标性能奖励的数据过滤方法,所述方法使用交叉联合训练问题生成和段落检索模型降低模型在源领域过拟合。本发明引入基于流利性奖励机制的问题生成,从实践角度真正提升生成问题的质量,同时引入基于目标性能奖励的数据过滤方法,进一步提升QG和IR模型在冰箱领域的适应能力。
-
公开(公告)号:CN115129890A
公开(公告)日:2022-09-30
申请号:CN202210713627.6
申请日:2022-06-22
Applicant: 青岛海尔电冰箱有限公司 , 中国海洋大学
IPC: G06F16/36 , G06F16/35 , G06F16/33 , G06F40/211 , G06F40/289
Abstract: 本发明揭示了一种回馈数据图谱生成方法、生成设备、问答设备及冰箱,其中,方法包括:遍历原始信息库中所有原始语料,生成基础目录数据;根据基础目录数据,抽取形成实体信息元素以及实体关系元素;根据基础目录数据和原始信息库,依次执行属性融合以及同属性句段聚合,生成对应于不同文本句段数据的多组句段属性元素;根据实体信息元素构建实体节点,根据实体关系元素建立实体间的关联关系,将句段属性元素按照句段与实体间的关联关系,对应存入所述实体节点中,生成回馈数据图谱。本发明提供的回馈数据图谱生成方法,生成效率高,生成的图谱上下文一致性更好,粒度级更细,支持精度更高和速度更快的检索需求。
-
公开(公告)号:CN111692832A
公开(公告)日:2020-09-22
申请号:CN201910189682.8
申请日:2019-03-13
Applicant: 青岛海尔电冰箱有限公司 , 青岛海尔股份有限公司
IPC: F25D29/00
Abstract: 本发明提供一种用于冰箱的食材信息管理方法和装置,所述冰箱中设置有若干储物空间,包括以下步骤:获取储物空间所存储的食材以及所述食材的放入时间;获取所述储物间室在所述放入时间Tstart至当前时间Tend之间的温度变化信息和湿度变化信息,基于所述温度变化信息和湿度变化信息得到所述食材的保鲜期;在确定当前时间与所述放入时间之间的第一差值大于等于所述保鲜期时,所述食材过期,并警告所述食材已经过期,从而能够及时提醒用户食材已经过期。
-
公开(公告)号:CN118568671A
公开(公告)日:2024-08-30
申请号:CN202411044767.4
申请日:2024-08-01
Applicant: 青岛海尔电冰箱有限公司
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/088 , G06N3/0895 , G06N3/09
Abstract: 本发明提供一种多模态大模型构建方法、系统、制冷设备、存储介质,首先通过利用多模态数据,并针对不同类型数据进行了针对性处理,为大模型训练准备了丰富而高质量的语料库。之后根据不同的学习需求生成相应的训练语料,对已生成的训练语料进行特征提取与分析,随后将这些特征与现有的特征库进行对比,以判断和更新特征库内容。此外,采用基于词级的语义压缩大模型优化提示生成过程,并将处理后的数据编码输入到大模型中进行预训练,通过这种整合特征提取、提示生成和大模型训练的协同工作流程,能够显著提高模型的训练效率和预测精度。不仅优化了模型的计算资源利用率,还增强了模型对新情况的适应能力和泛化能力。
-
公开(公告)号:CN115982392A
公开(公告)日:2023-04-18
申请号:CN202310272383.7
申请日:2023-03-21
Applicant: 中国海洋大学 , 青岛海尔电冰箱有限公司
IPC: G06F16/36 , G06F40/295 , G06N3/044 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及多重实体和关系抽取的关系图方法、装置、设备和介质,属于自然语言处理命名实体识别技术领域,首先应用双向RNN来提取序列特征,然后利用双向GCN进一步提取区域依赖特征,基于所提取的词特征,预测每个词对与词实体的关系;为每个关系r建立完整的关系加权图,其中(w1,w2)关系加权图中的边是Pr(w1,w2),在每个关系加权图上采用双向GCN,考虑不同关系的不同影响程度,聚合为综合的词特征;本发明考虑了实体与关系之间的交互作用,更好地预测实体与关系之间的相互作用,尤其是重叠实体,从而实现从非结构化文本中抽取更加全面,准确地三元组数据以完成知识图谱的构建。
-
-
-
-
-
-
-
-
-