-
公开(公告)号：CN114265982B
公开(公告)日：2022-08-26
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：CN114297357B
公开(公告)日：2022-08-19
申请号：CN202111616638.4
申请日：2021-12-27
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/332 , G06F40/289 , G06F40/242 , G06N10/20
Abstract: 本申请实施例提供一种基于量子计算的问答模型构建方法、装置、电子设备及存储介质，其中，该方法包括：获取查询词汇向量集合和答案语句向量集合；根据查询词汇向量集合获得查询词汇向量集合中每个查询词汇向量的查询词汇向量密度矩阵，作为查询词汇向量密度矩阵集合；根据答案语句向量集合获得答案语句向量集合中每个答案语句向量的答案语句向量密度矩阵，作为答案语句向量密度矩阵集合；根据查询词汇向量密度矩阵集合和答案语句向量密度矩阵集合获得答案语句向量密度矩阵集合中全部答案语句向量密度矩阵的相关性分值和状态演化矩阵；根据相关性分值和状态演化矩阵构建问答模型。实施本申请实施例，提高了智能问答模型的准确率，方便使用。
-
公开(公告)号：CN114462425B
公开(公告)日：2022-08-02
申请号：CN202210380446.6
申请日：2022-04-12
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/30 , G06F40/289 , G06F16/35
Abstract: 本公开涉及一种社交媒体文本处理方法、装置、设备及存储介质。本公开通过对社交媒体文本进行分词处理，得到多个词项；针对任一词项，基于该词项在不同应用场景上下文中的语义，确定该词项的词向量，由于词向量包含了该词项在不同应用场景上下文中的语义，因此，利用词向量，可以提高文本上下文特征提取能力和隐式情感的推断能力；进而，基于多个词项各自的词向量，确定社交媒体文本的全局语义向量；并基于多个词项各自的词向量和多个词项各自在社交媒体文本的权重，确定社交媒体文本的局部语义向量；基于全局语义向量和局部语义向量，确定社交媒体文本对应的情感类型，从而提高了社交媒体文本的情感类型的预测准确性。
-
公开(公告)号：CN114724218A
公开(公告)日：2022-07-08
申请号：CN202210369060.5
申请日：2022-04-08
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本公开涉及一种视频检测方法、装置、设备及介质。其中，视频检测方法包括：获取待检测的图像序列，图像序列包含同一视频中的至少两个视频帧；针对图像序列中的每个图像，对图像的脸部特征进行非线性变换处理，得到图像对应的脸部多个区域的注意力特征；基于各个图像对应的脸部多个区域的注意力特征，构建图像序列对应的脸部多个区域之间的时序关系特征；基于时序关系特征，计算视频为伪造脸部的视频的概率。根据本公开实施例，能够使得概率的计算结果的准确率更高、泛化能力更强，进而提高伪造脸部视频检测的精确度。
-
公开(公告)号：CN114462425A
公开(公告)日：2022-05-10
申请号：CN202210380446.6
申请日：2022-04-12
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F40/30 , G06F40/289 , G06F16/35
Abstract: 本公开涉及一种社交媒体文本处理方法、装置、设备及存储介质。本公开通过对社交媒体文本进行分词处理，得到多个词项；针对任一词项，基于该词项在不同应用场景上下文中的语义，确定该词项的词向量，由于词向量包含了该词项在不同应用场景上下文中的语义，因此，利用词向量，可以提高文本上下文特征提取能力和隐式情感的推断能力；进而，基于多个词项各自的词向量，确定社交媒体文本的全局语义向量；并基于多个词项各自的词向量和多个词项各自在社交媒体文本的权重，确定社交媒体文本的局部语义向量；基于全局语义向量和局部语义向量，确定社交媒体文本对应的情感类型，从而提高了社交媒体文本的情感类型的预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN114218381A
公开(公告)日：2022-03-22
申请号：CN202111493451.X
申请日：2021-12-08
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本公开涉及一种立场识别方法、装置、设备及介质。其中，立场识别方法包括：获取待识别的目标文本；对目标文本进行语义识别处理，得到目标文本的整体语义向量；基于预先定义的话题分类模板，对目标文本进行话题识别处理，得到目标文本的话题表示向量；基于整体语义向量和话题表示向量，对目标文本进行立场分类，得到目标文本对应的目标立场类别。根据本公开实施例，能够准确地识别出目标文本所涉及的话题表示向量，从而可以结合文本语义与文本话题对目标文本进行更准确的立场识别。
-
公开(公告)号：CN113269125A
公开(公告)日：2021-08-17
申请号：CN202110646314.9
申请日：2021-06-10
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06K9/00 , G06K9/62 , G06F16/583
Abstract: 本发明实施例公开了一种人脸识别方法、装置、设备及存储介质。该方法包括：获取人脸识别图库，以及与待识别视频对应的视频人脸集合，人脸识别图库中包括至少一个人脸图像集合，人脸图像集合中各人脸图像具有相同身份标识号；根据视频人脸集合、人脸识别图库和预设识别条件，在视频人脸集合中确定至少一个候选视频人脸图像，并确定与各候选视频人脸图像对应的候选人脸图像集合；根据各候选人脸图像集合对应的身份标识号，在各候选视频人脸图像中确定目标视频人脸图像。本发明实施例的技术方案，解决了当人脸识别图库中具有多个相似人脸图像时，仅进行一次筛选在待识别视频中确定出的人脸图像识别结果准确性差的问题，提高了人脸图像识别的准确性。
-
公开(公告)号：CN115934752B
公开(公告)日：2023-07-14
申请号：CN202211585614.1
申请日：2022-12-09
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本发明提供了一种构建检索模型的方法、电子设备和存储介质，包括：获取目标文本的目标文本词向量，获取目标文本对应的候选代表词集合和候选随机词集合，将目标文本词集合与候选代表词集合和候选随机词集合分别进行拼接，输入到量子概率注意力值模型，获取对应的注意力值，将注意力值分别输入多层感知机，获取候选代表词为代表词的概率和候选随机词为代表词的概率，基于候选代表词为代表词的概率和候选随机词为代表词的概率，最小化两者的损失函数，获取目标检索模型；从而取得更好的检索效果。
-
公开(公告)号：CN116361470A
公开(公告)日：2023-06-30
申请号：CN202310347961.9
申请日：2023-04-03
Applicant: 北京中科闻歌科技股份有限公司 , 新华融合媒体科技发展(北京)有限公司
IPC: G06F16/35
Abstract: 本发明提供了一种基于话题描述的文本聚类清洗和合并方法，首先对文本进行聚类，得到多个聚类结果，每个聚类结果相当于一个话题，然后基于话题向量与话题中文本向量的文本相似度大小、话题描述与每个文本生成的话题描述的文本相似度大小、文本与话题的关键词相同的个数三个指标，对聚类结果进行清洗和合并，最后得到聚类结果和每个话题的描述，能够使得聚类结果更加准确。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.039 seconds)
