-
公开(公告)号：CN109902186B
公开(公告)日：2021-05-11
申请号：CN201910184509.9
申请日：2019-03-12
申请人： 北京百度网讯科技有限公司
摘要： 本公开的实施例公开了用于生成神经网络的方法和装置。该方法的一具体实施方式包括：获取目标神经网络，其中，目标神经网络对应预设关联关系，用于将目标知识图谱中的两个实体所对应的两个实体向量作为输入，以确定所输入的两个实体向量所对应的两个实体的关联关系是否为预设关联关系，目标神经网络包括针对预设关联关系预先确定的关系张量；将目标神经网络中的关系张量转化为目标数量个关系矩阵的积，生成包括转化成的目标数量个关系矩阵的候选神经网络；利用候选神经网络，生成结果神经网络。该实施方式可以减小神经网络的复杂程度，有助于在利用神经网络进行信息处理时，减小CPU的消耗，提高信息处理的效率。
-
公开(公告)号：CN109871457A
公开(公告)日：2019-06-11
申请号：CN201910094119.2
申请日：2019-01-30
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/53 , G06F16/332
摘要： 本公开的实施例提供了一种基于图像的数据处理方法、装置、电子设备和计算机可读存储介质。在该方法中，响应于关于图像所输入的查询，基于对象与属性之间的预定映射来确定与图像中呈现的对象相关联的属性。此外，基于对象和属性来确定对象与查询之间的相关度。进一步地，基于对象与查询之间的相关度来提供查询的响应。本公开的实施例可以提高基于图像的数据处理系统的性能。
-
公开(公告)号：CN109902166A
公开(公告)日：2019-06-18
申请号：CN201910185125.9
申请日：2019-03-12
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/332 , G06F16/33 , G06F16/583 , G06F16/53
摘要： 本发明实施例公开了一种视觉问答模型、电子设备及存储介质，其中，所述视觉问答模型包括图像编码器和文本编码器；其中，所述文本编码器用于通过对输入的问题文本的词向量序列做池化处理，以提取所述问题文本的语义表征向量；所述图像编码器用于结合所述语义表征向量提取给定图像的图像特征。本发明实施例通过使用池化方式处理文本向量，确保在视觉问答模型预测准确率损失不大的前提下，有效的提升了模型训练效率，更有益于工程上的使用。
-
公开(公告)号：CN111488441B
公开(公告)日：2023-08-01
申请号：CN202010267909.9
申请日：2020-04-08
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/332 , G06F16/36 , G06F40/30
摘要： 本申请公开了一种问题解析方法、装置、知识图谱问答系统和电子设备，涉及知识图谱问答技术领域。其中方法包括：对问题进行解析得到N个线性序列，所述N为大于1的整数；将所述N个线性序列分别转换为N个拓扑结构图；分别计算所述N个拓扑结构图的每个拓扑结构图与所述问题的语义匹配度；从所述N个拓扑结构图中，选择与所述问题的语义匹配度最高的拓扑结构图作为所述问题的查询图。根据本申请的技术，能够较精确地得到问题的查询图，提高了问题到查询图的精确性，从而提高了问题解析的精确性。本申请解决了现有技术中基于词语序列融合方式所生成的查询图具有较差精确性的问题。
-
公开(公告)号：CN109858555A
公开(公告)日：2019-06-07
申请号：CN201910111412.5
申请日：2019-02-12
申请人： 北京百度网讯科技有限公司
IPC分类号： G06K9/62
摘要： 本发明实施例公开了一种基于图像的数据处理方法、装置、设备及可读存储介质。其中，方法包括：获取图像和待处理的文本；提取图像中多个对象的特征，以及提取所述文本的特征；根据文本与多个对象中每个对象的特征的匹配度，将多个对象的特征融合为图像的融合特征；根据所述图像的融合特征和文本的特征，对所述文本进行处理。本发明实施例能够精确学习文本与图像中各对象的关联关系，提高处理准确率。
-
公开(公告)号：CN109858555B
公开(公告)日：2022-05-17
申请号：CN201910111412.5
申请日：2019-02-12
申请人： 北京百度网讯科技有限公司
摘要： 本发明实施例公开了一种基于图像的数据处理方法、装置、设备及可读存储介质。其中，方法包括：获取图像和待处理的文本；提取图像中多个对象的特征，以及提取所述文本的特征；根据文本与多个对象中每个对象的特征的匹配度，将多个对象的特征融合为图像的融合特征；根据所述图像的融合特征和文本的特征，对所述文本进行处理。本发明实施例能够精确学习文本与图像中各对象的关联关系，提高处理准确率。
-
公开(公告)号：CN111488441A
公开(公告)日：2020-08-04
申请号：CN202010267909.9
申请日：2020-04-08
申请人： 北京百度网讯科技有限公司
IPC分类号： G06F16/332 , G06F16/36 , G06F40/30
摘要： 本申请公开了一种问题解析方法、装置、知识图谱问答系统和电子设备，涉及知识图谱问答技术领域。其中方法包括：对问题进行解析得到N个线性序列，所述N为大于1的整数；将所述N个线性序列分别转换为N个拓扑结构图；分别计算所述N个拓扑结构图的每个拓扑结构图与所述问题的语义匹配度；从所述N个拓扑结构图中，选择与所述问题的语义匹配度最高的拓扑结构图作为所述问题的查询图。根据本申请的技术，能够较精确地得到问题的查询图，提高了问题到查询图的精确性，从而提高了问题解析的精确性。本申请解决了现有技术中基于词语序列融合方式所生成的查询图具有较差精确性的问题。
-
公开(公告)号：CN109902186A
公开(公告)日：2019-06-18
申请号：CN201910184509.9
申请日：2019-03-12
申请人： 北京百度网讯科技有限公司
摘要： 本公开的实施例公开了用于生成神经网络的方法和装置。该方法的一具体实施方式包括：获取目标神经网络，其中，目标神经网络对应预设关联关系，用于将目标知识图谱中的两个实体所对应的两个实体向量作为输入，以确定所输入的两个实体向量所对应的两个实体的关联关系是否为预设关联关系，目标神经网络包括针对预设关联关系预先确定的关系张量；将目标神经网络中的关系张量转化为目标数量个关系矩阵的积，生成包括转化成的目标数量个关系矩阵的候选神经网络；利用候选神经网络，生成结果神经网络。该实施方式可以减小神经网络的复杂程度，有助于在利用神经网络进行信息处理时，减小CPU的消耗，提高信息处理的效率。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.041 秒)
