-
公开(公告)号：CN107844915B
公开(公告)日：2021-01-01
申请号：CN201711226932.8
申请日：2017-11-29
申请人： 信雅达系统工程股份有限公司
摘要： 本发明公开一种基于话务预测的呼叫中心的自动排班方法，该排班方法将深度学习模型和传统机器模型进行堆叠，获得融合模型，并用该融合模型获得高精度的话务量预测结果，同时考虑了业务量的增长、营销因子等显著特征来修正话务量预测模型，提高了模型精度；采用了优化的遗传算法，满足复杂的排班约束，获得的排班结果更人性化。基于这种人力分配模式的转变，使得管理人员从繁重的排班中解放出来，更为公平的排班结果员工工作积极性得到进一步提高，使得智能人力分配系统更能提升客户的服务感知及满意度。
-
公开(公告)号：CN108256755A
公开(公告)日：2018-07-06
申请号：CN201810018482.1
申请日：2018-01-09
申请人： 信雅达系统工程股份有限公司
CPC分类号： G06Q10/06311 , G06N3/126 , G06N20/00
摘要： 本发明公开一种基于单个员工同时胜任多岗位要求的排班方法，该方法通过机器学习模型获得高精度的业务量预测结果，同时考虑了显著因子来修正业务量预测模型，提高了模型精度；采用排队论分解一个任务的多种岗位，并用优化的遗传算法，满足单个员工身兼多岗和公司劳务规定的排班约束，获得人性化的排班结果。基于这种人力分配模式的转变，使得管理人员从繁重的排班中解放出来，排班结果更公平公正，提高了员工工作积极性，同时智能人力分配系统提升了客户的服务感知及满意度。
-
公开(公告)号：CN109711412A
公开(公告)日：2019-05-03
申请号：CN201811614268.9
申请日：2018-12-27
申请人： 信雅达系统工程股份有限公司
摘要： 本发明公开了一种基于字典的光学字符识别纠错方法，该方法的步骤为：获取文字图像，通过所述文字图像经过ocr识别获得初始的识别结果；构建字典；将初始的识别结果与字典中的单词进行对比，当初始的识别结果中的单词位于字典中时，取字典中相似度最高的单词进行替换，对于不在字典中的情形，设定阈值，对大于阈值的字符串进行替换，且已经被替换的单词的位置进行标记，输出OCR识别结果。本发明解决了现有技术没有利用自身规律对错误数据实施检查和纠正的空缺的问题，提高了文字识别精度和识别结果的准确率。
-
公开(公告)号：CN109447068A
公开(公告)日：2019-03-08
申请号：CN201811257669.3
申请日：2018-10-26
申请人： 信雅达系统工程股份有限公司
CPC分类号： G06K9/3275 , G06K9/3241 , G06K9/4652 , G06T7/33 , G06T2207/20164
摘要： 本发明公开一种从图像中分离印章并校准印章的方法，该方法包含以下步骤：建立原始公章的数据集；对待识别的图像进行倾斜校正；采用椭圆、圆形和矩形三种形状检测算法对图像进行形状检测，从而定位公章，并将公章从待识别的图像中分离；进行初步配准，初步识别为一致印章与可疑印章。该发明可以初步实现印章的真伪鉴定。本发明的方法能快速有效的检测图像中存在的印章,具有检测精度高、速度快、抗干扰性强等优点。
-
公开(公告)号：CN109492630A
公开(公告)日：2019-03-19
申请号：CN201811257204.8
申请日：2018-10-26
申请人： 信雅达系统工程股份有限公司
CPC分类号： G06K9/2054 , G06K9/3283 , G06K9/6256 , G06K2209/011 , G06N3/0454 , G06N3/084
摘要： 本发明公开了一种基于深度学习的金融行业图像中的文字区域检测定位的方法，包括如下步骤：选取金融行业常用的汉字、词组和组合词，加上一些处理，形成变换后的数据集；生成文本区域候选框，计算每一个候选文本区域的得分；并入文本类别监督信息，融入多层次的区域下采样信息并将文本特征输入到LSTM网络模型中形成一种端到端的候选文本区域生成网络；最后再对所述的候选文本区域位置进行修正，使用候选框过滤多余的候选区域。这种发明可以实现对任意角度文本快速的检测。
-
公开(公告)号：CN109376658A
公开(公告)日：2019-02-22
申请号：CN201811257203.3
申请日：2018-10-26
申请人： 信雅达系统工程股份有限公司
CPC分类号： G06K9/00442 , G06K9/325 , G06K9/6256 , G06K2209/01
摘要： 本发明公开了一种基于深度学习的OCR方法,包含如下步骤：获取待识别图像；对待识别图像进行缩放，然后对缩放后的图像进行预处理，所述的预处理为锐化、灰度化、二值化、矫正倾斜、降噪、去公章中的任意一项或多项；将预处理后的图像放入深度学习神经网络中，得到缩放处理后图像的多个候选文本区域；将缩放处理后图像的多个候选文本区域放入基于深度学习神经网络中，将候选文字区域中的内容转换为计算机可读的文本；将上述计算机可读的文本放入深度学习语言模型中，对文本识别结果进行校正。本发明可以实现影像的文字内容的智能提取，为各行业人员提供了快速检索以及快速获取信息的服务，提升了工作效率，识别字段准确率高，提高处理速度。
-
公开(公告)号：CN107844915A
公开(公告)日：2018-03-27
申请号：CN201711226932.8
申请日：2017-11-29
申请人： 信雅达系统工程股份有限公司
摘要： 本发明公开一种基于话务预测的呼叫中心的自动排班方法，该排班方法将深度学习模型和传统机器模型进行堆叠，获得融合模型，并用该融合模型获得高精度的话务量预测结果，同时考虑了业务量的增长、营销因子等显著特征来修正话务量预测模型，提高了模型精度；采用了优化的遗传算法，满足复杂的排班约束，获得的排班结果更人性化。基于这种人力分配模式的转变，使得管理人员从繁重的排班中解放出来，更为公平的排班结果员工工作积极性得到进一步提高，使得智能人力分配系统更能提升客户的服务感知及满意度。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.039 秒)
