-
公开(公告)号：CN114139541B
公开(公告)日：2022-08-02
申请号：CN202111389485.4
申请日：2021-11-22
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/295 , G06F16/35
Abstract: 本公开涉及一种命名实体识别方法、装置、设备及介质。其中，命名实体识别方法包括：获取待识别的目标文本；对目标文本进行语义特征编码，得到具有上下文信息的第一编码向量，以及对目标文本进行实体特征编码，得到具有上下文信息的第二编码向量；基于第一编码向量，提取实体片段对应的边界信息；基于第一编码向量、第二编码向量和边界信息，对目标文本进行实体分类，得到目标文本对应的目标实体类别。根据本公开实施例，能够快速地从非结构化文本中提取出实体类别信息，并且提高对非结构化文本进行实体类别分类的准确性。
-
公开(公告)号：CN114429141A
公开(公告)日：2022-05-03
申请号：CN202210334709.X
申请日：2022-03-31
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/30 , G06F40/295
Abstract: 本公开实施例提供了一种答案确定方法、装置、计算设备及存储介质。答案确定方法包括：对待回答问题进行改写，得到改写问题，所述改写问题为与所述待回答问题语义相近的问题；根据所述待回答问题和/或所述改写问题，得到多个候选答案；根据所述多个候选答案确定用于回答所述待回答问题的目标答案。因为目标答案是根据多个候选答案确定的答案，所以相比于现有技术方案，本公开实施例提供的答案确定方法确定的目标答案与待回答问题匹配的可能性提高，也就是提高输出答案为正确答案的可能性。
-
公开(公告)号：CN114265982A
公开(公告)日：2022-04-01
申请号：CN202111583634.0
申请日：2021-12-22
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/36 , G06F16/335 , G06F40/216 , G06N3/04
Abstract: 本发明涉及一种基于知识图谱的智能推荐方法，包括：A1、针对指定领域内待推荐信息的目标用户，获取目标用户的类型；A2、若目标用户的类型为活跃用户，则根据目标用户在第一预设时间段内的交互行为数据，基于知识图谱推荐内容方式和基于用户协同过滤推荐方式获取个性化的推荐结果；其中，知识图谱是预先构建的存储有指定领域内知识和实体之间关系的结构化的图谱信息；个性化的推荐结果包括：目标用户的最近邻用户对应的信息项和与目标用户的偏好实体匹配的信息项，本发明的方法可以有效解决现有推荐方法中存在的数据稀疏且关联性弱的问题，同时实现了快速精准推送文本信息，并做到千人千面的个性化推送。
-
公开(公告)号：CN114139541A
公开(公告)日：2022-03-04
申请号：CN202111389485.4
申请日：2021-11-22
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/295 , G06F16/35
Abstract: 本公开涉及一种命名实体识别方法、装置、设备及介质。其中，命名实体识别方法包括：获取待识别的目标文本；对目标文本进行语义特征编码，得到具有上下文信息的第一编码向量，以及对目标文本进行实体特征编码，得到具有上下文信息的第二编码向量；基于第一编码向量，提取实体片段对应的边界信息；基于第一编码向量、第二编码向量和边界信息，对目标文本进行实体分类，得到目标文本对应的目标实体类别。根据本公开实施例，能够快速地从非结构化文本中提取出实体类别信息，并且提高对非结构化文本进行实体类别分类的准确性。
-
公开(公告)号：CN113992944A
公开(公告)日：2022-01-28
申请号：CN202111265047.7
申请日：2021-10-28
Applicant: 北京中科闻歌科技股份有限公司
IPC: H04N21/234 , H04N21/2343 , H04N21/233 , H04N21/44 , H04N21/4402 , H04N21/439 , H04N21/845 , H04N21/8549
Abstract: 本公开涉及一种视频编目方法、装置、设备、系统及介质。其中，该视频编目方法包括：获取目标视频的视频特征；基于目标视频的视频特征，对目标视频进行切分，得到多个视频片段；针对每个视频片段，基于视频片段对应的视频文本，确定视频片段对应的视频标签，视频文本包括第一音频文本和第一字幕文本，视频标签至少包括语义标签；利用多个视频片段和每个视频片段对应的视频标签对目标视频进行编目，得到目标视频对应的编目结果。根据本公开实施例，能够提供一种自动化的视频编目方法，提高了视频编目的效率。
-
Patent Agency Ranking
公开(公告)号：CN113766314A
公开(公告)日：2021-12-07
申请号：CN202111317971.5
申请日：2021-11-09
Applicant: 北京中科闻歌科技股份有限公司
IPC: H04N21/44 , H04N21/439 , H04N21/488 , G06K9/62 , G06K9/46 , G06K9/32 , G06K9/00
Abstract: 本公开涉及一种视频切分方法、装置、设备、系统及存储介质，该方法包括：获取目标视频的视频特征数据，视频特征数据包括音频数据、字幕数据和镜头数据；对音频数据进行切分，得到多个音频数据片段；基于镜头数据对字幕数据进行切分，得到多个字幕子数据；基于音频数据片段和字幕子数据对目标视频进行切分，得到多个视频片段。根据本公开实施例，实现了能够准确的切分目标视频，以进一步使得用户通过浏览目标视频切分后的视频片段，从目标视频中快速获取准确的信息，以准确且快速的浏览目标视频中所包含的信息。
-
公开(公告)号：CN113515648A
公开(公告)日：2021-10-19
申请号：CN202111070507.0
申请日：2021-09-13
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/45
Abstract: 本公开涉及一种内容聚类方法及系统。该方法包括：获取待聚类的多媒体内容集，待聚类的多媒体内容集包括第一多媒体内容集和第二多媒体内容集，根据第一多媒体内容集中第一多媒体内容的多媒体特征生成第一聚类簇，多媒体特征包括语义特征、实体特征以及词语特征中的至少两种，以第一聚类簇中的簇中心为聚类中心，对第二多媒体内容集中第二多媒体内容进行聚类，得到目标聚类簇。通过上述技术方案，实现了准确且快速的对多媒体内容进行聚类，以满足自然语言处理场景的实际聚类需求。
-
公开(公告)号：CN112329470A
公开(公告)日：2021-02-05
申请号：CN202011241374.4
申请日：2020-11-09
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 北京中科闻歌智安科技有限公司
IPC: G06F40/295 , G06F40/226 , G06N3/08
Abstract: 本申请提供了一种基于端到端模型训练的智能地址识别方法及装置，属于计算机技术领域。本申请通过获取训练数据集，所述训练数据集包括多个地址文本数据及每个所述地址文本数据对应的验证数据；针对每个地址文本数据，生成所述地址文本数据对应的字符嵌入向量序列；将所述字符嵌入向量序列输入至第一级子模型；将每一级子模型的输出数据与所述验证数据比较，得到多个误差；根据所述多个误差调整所述地址文本识别模型的参数，直至所述地址文本识别模型收敛时，训练结束。通过本申请，可以将多个级联的子模型产生的多个误差，作为依据以调整地址文本识别模型的参数，减少多个级联子模型的整体误差，避免了多个子模型之间的误差累积。
-
公开(公告)号：CN112613324B
公开(公告)日：2024-11-12
申请号：CN202011596697.5
申请日：2020-12-29
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 国科智安(北京)科技有限公司
Abstract: 本申请涉及一种语义情绪识别方法、装置、设备及存储介质，所述方法包括：获取待识别文本，然后对待识别文本的全局语义信息进行提取，得到第一语义向量，再利用预训练的词向量模型确定待识别文本的词向量矩阵，之后根据词向量矩阵确定第二语义向量，根据词向量矩阵计算待识别文本中每个词的词向量与预设情绪词语的词向量的相似度，并将计算得到的所有相似度确定为第三语义向量，最后根据第一语义向量、第二语义向量和第三语义向量确定待识别文本所属的情绪类别，如此，便可以根据待识别文本的全局语义信息以及待识别文本的词向量矩阵确定待识别文本的情绪类别，考虑了待识别文本的词语义、词组语义以及句子语义信息，提高了情绪识别的准确性。
-
公开(公告)号：CN112329470B
公开(公告)日：2024-05-28
申请号：CN202011241374.4
申请日：2020-11-09
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 国科智安(北京)科技有限公司
IPC: G06F40/295 , G06F40/226 , G06N3/08
Abstract: 本申请提供了一种基于端到端模型训练的智能地址识别方法及装置，属于计算机技术领域。本申请通过获取训练数据集，所述训练数据集包括多个地址文本数据及每个所述地址文本数据对应的验证数据；针对每个地址文本数据，生成所述地址文本数据对应的字符嵌入向量序列；将所述字符嵌入向量序列输入至第一级子模型；将每一级子模型的输出数据与所述验证数据比较，得到多个误差；根据所述多个误差调整所述地址文本识别模型的参数，直至所述地址文本识别模型收敛时，训练结束。通过本申请，可以将多个级联的子模型产生的多个误差，作为依据以调整地址文本识别模型的参数，减少多个级联子模型的整体误差，避免了多个子模型之间的误差累积。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.036 seconds)
