-
公开(公告)号:CN118827414A
公开(公告)日:2024-10-22
申请号:CN202311644256.1
申请日:2023-12-04
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: H04L41/147 , H04L43/0876 , H04L41/16 , G06N3/0499 , G06N3/045 , G06N3/08
摘要: 本申请公开了一种蜂窝流量数据预测方法、装置、设备及可读存储介质,涉及通信技术领域,以提高获得的预测蜂窝流量数据的准确性。该方法包括:获取历史蜂窝流量数据;根据所述历史蜂窝流量数据得到多个单变量时间序列;对于多个单变量时间序列中的第一单变量时间序列,获取所述第一单变量时间序列的特征图;根据所述特征图,得到每个所述第一单变量时间序列的预测值;根据所述每个所述第一单变量时间序列的预测值,得到预测蜂窝流量数据。本申请实施例可以提高获得的预测蜂窝流量数据的准确性。
-
公开(公告)号:CN118823500A
公开(公告)日:2024-10-22
申请号:CN202410135803.1
申请日:2024-01-31
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06V10/774 , G06V10/26 , G06V10/82 , G06V10/44 , G06V10/77 , G06V10/80 , G06V20/70 , G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/0895
摘要: 本申请公开了一种人像分割模型的训练及应用方法、装置、设备、介质和产品。该训练方法包括:对未标注的初始图像样本进行遮挡处理,生成未标注的预训练图像样本;基于初始图像样本和预训练图像样本,预训练第一人像分割模型,直至得到预训练好的第一人像分割模型,第一人像分割模型用于对预训练图像样本的遮挡区域进行预测;调整第一人像分割模型的输出层和第一人像分割模型的损失函数,构建第二人像分割模型的网络结构;基于已标注的图像样本和第二人像分割模型的网络结构,调整第二人像分割模型,直至得到调整好的第二人像分割模型。如此,在提升人像分割模型的准确性的同时,又降低了人像分割模型的成本。
-
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
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06Q10/04 , G06N3/0442 , G06N3/0464 , G06N3/0455
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。
-
公开(公告)号:CN118821912A
公开(公告)日:2024-10-22
申请号:CN202410009690.0
申请日:2024-01-02
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06N3/0985 , G06N3/084 , G06N3/045
摘要: 本申请公开了一种数据处理方法、装置、设备及计算机可读存储介质。其中,所述方法包括:获取训练数据;将所述训练数据输入至第一模型中,得到所述第一模型的输出结果;其中,所述第一模型表征待优化模型,所述第一模型由至少两个待优化子模型级联得到;各所述待优化子模型包括至少一个搜索空间模块,所述搜索空间模块用于对搜索空间中各候选路径的调整方式进行搜索,以得到目标调整策略;所述目标调整策略用于对所述第一模型的参数进行调整。
-
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
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F40/35 , G06F40/216 , G06N3/0895 , G06N3/0499
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。
-
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
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/332 , G06N3/08 , G06F18/214 , G06N3/04
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。
-
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
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/332 , G06N3/042 , G06N3/084 , G06N3/092
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。
-
公开(公告)号:CN118820408A
公开(公告)日:2024-10-22
申请号:CN202311342205.3
申请日:2023-10-17
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F16/332 , G06F16/33 , G06F16/35
摘要: 本申请公开了一种数据处理方法、装置、电子设备及可读存储介质,属于人工智能技术领域。本申请实施例中的数据处理方法包括:获取用户的查询问题;对所述查询问题进行意图分类,得到分类识别结果;根据所述分类识别结果对所述查询问题进行维度分解,得到所述查询问题对应的维度信息;根据所述查询问题和所述维度信息匹配数据处理函数及其请求参数的取值;利用所述数据处理函数从数据源系统中获取数据处理结果。由此,可以提高数据处理效率,提升用户体验。
-
公开(公告)号:CN118802440A
公开(公告)日:2024-10-18
申请号:CN202310403327.2
申请日:2023-04-14
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: H04L41/0273 , H04L41/16 , H04L41/5041
摘要: 本发明公开了一种业务处理方法、装置和存储介质;所述方法包括:接收来自第一服务设备的第一请求,和/或,接收来自第二服务设备的第二请求;根据所述第一请求执行第一操作,和/或,根据所述第二请求执行第二操作;其中,所述第一请求包括以下至少之一:AI服务注册请求、AI服务修改请求、AI服务删除请求、AI服务计量请求;所述第二请求包括以下至少之一:AI业务服务请求、AI业务服务修改请求、AI业务服务终止请求。
-
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
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司 , 北京邮电大学
IPC分类号: G06F18/2415 , G06N5/04 , G06F18/214 , G06N3/045 , G06N3/08 , G10L15/18
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。
-
-
-
-
-
-
-
-
-