工单预测方法、工单预测装置及存储介质

    公开(公告)号:CN118821981A

    公开(公告)日:2024-10-22

    申请号:CN202410198439.3

    申请日:2024-02-22

    摘要: 本申请实施例提供了一种工单预测方法、工单预测装置及存储介质,该方法包括:工单预测装置基于预设时间粒度数据确定第一新进工单数据,并基于第一新进工单数据、第一预测模型获取第一新进工单数据对应的第一预测数据;其中,第一预测模型包括LSTM模型;基于第一预测数据、第二新进工单数据确定第一目标预测数据;基于预设时间粒度数据确定对应的N个目标时间粒度数据;其中,N为正整数;基于N个目标时间粒度数据、第一目标预测数据以及第二预测模型获取工单预测结果;其中,第二预测模型包括N个Conv‑Transformers模型,从而可以在降低模型预测复杂度的同时,提高模型的预测准确率。

    对话策略模型训练及对话方法、装置、设备、存储介质和程序产品

    公开(公告)号:CN118821793A

    公开(公告)日:2024-10-22

    申请号:CN202410205191.9

    申请日:2024-02-23

    摘要: 本实施例公开了一种对话策略模型训练以及对话方法、装置、设备、存储介质和程序产品,该对话策略模型训练方法包括:基于历史对话的数据集,获取训练数据;根据对话策略模型,确定每个历史预测结果的选取概率;根据每个历史预测结果的选取概率,确定在负样本中用于选择每个对话动作的第一阈值、以及在负样本中用于拒绝每个对话动作的第二阈值;负样本表示训练数据中与负反馈日志信息对应的数据,负反馈日志信息表示内容为不满意的用户日志反馈信息;根据第一阈值和第二阈值,对负样本中的对话动作进行筛选,得出筛选后的对话动作;根据筛选后的对话动作,确定负样本的训练损失;至少根据负样本的训练损失,调整对话策略模型的网络参数值。

    模型训练方法、任务处理方法、装置、电子设备、存储介质及计算机程序产品

    公开(公告)号:CN118820414A

    公开(公告)日:2024-10-22

    申请号:CN202410251055.3

    申请日:2024-03-05

    摘要: 本申请公开了一种模型训练方法、任务处理方法、装置、电子设备、存储介质及计算机程序产品。其中,方法包括:针对视觉问答样本数据,生成负样本数据,并确定第一损失函数,负样本数据包含负例图像及对应的问答数据;利用视觉问答样本数据和对应的负样本数据、第一损失函数,对第一模型进行训练,第一模型用于执行待处理的视觉问答任务;其中,在对第一模型进行训练的过程中,通过第一损失函数至少使得视觉问答样本数据包含的第一类样本数据的训练贡献度增大,视觉问答样本数据包含的第二类样本数据的训练贡献度减小,且问答数据与视觉问答样本数据包含的正例图像的依赖关系增大,与负例图像的依赖关系减小。

    对话推荐方法、装置、电子设备及存储介质

    公开(公告)号:CN118820411A

    公开(公告)日:2024-10-22

    申请号:CN202311810643.8

    申请日:2023-12-26

    摘要: 本申请公开了一种对话推荐方法、装置、电子设备及存储介质,其中,方法包括:基于用户在对话中关于第一询问语句的第一回答语句,更新所述对话的图结构;其中,所述图结构用于表征所述用户、物品及属性之间的关系,且所述关系至少包括所述用户对物品及属性的正向反馈或负向反馈;将基于更新后的图结构生成的第一表征向量与基于所述对话的历史回答语句生成的第二表征向量聚合,得到第三表征向量;基于所述第三表征向量构建动作空间;所述动作空间中集成了下一轮对话过程中可执行的对话动作;在所述动作空间中选择对话动作并对应输出第二询问语句。

    一种模型训练方法、设备及介质
    10.
    发明公开

    公开(公告)号:CN118797464A

    公开(公告)日:2024-10-18

    申请号:CN202310994307.7

    申请日:2023-08-08

    摘要: 本发明提供一种模型训练方法、设备以及介质,涉及人工智能领域,其中,所述模型训练方法包括:利用第一训练数据集,对初始模型进行训练,得到第一模型;在需要利用第二数据集对所述第一模型进行更新的情况下,利用所述第一模型对所述第二数据集进行筛选,得到目标数据集,所述目标数据集包括所述第二数据集中的部分第二数据;获取所述目标数据集中每个目标数据的数据标签,得到所述目标数据集对应的目标训练数据集;利用所述目标训练数据集,对所述第一模型进行训练,得到第二模型。本发明实施例,利用机器模型实现数据筛选,基于机器模型的筛选结果进行数据标记,能够减少监督学习过程中的数据标记需求,提高模型训练效率。