一种外发数据生成方法、外发安全管控方法及系统

    公开(公告)号:CN112751823A

    公开(公告)日:2021-05-04

    申请号:CN202011256447.7

    申请日:2020-11-11

    IPC分类号: H04L29/06 H04L9/06

    摘要: 本发明提供了一种外发数据生成方法、外发安全管控方法及系统,包括:基于待发数据属性信息生成外发任务指纹,建立外发任务指纹与待发数据各生成环节操作数据的关联关系;将外发任务指纹映射成密钥,并基于预设的数据水印添加策略将密钥添加到待发数据中,形成含有数据水印的待发数据;当含有数据水印的数据泄露时:基于泄露数据中提取的数据水印,可反向追溯到数据接收者以及数据在各生成环节操作数据,实现对数据泄露的追责,本发明待发数据的数据水印不仅可标识数据的属性信息,还可关联数据在各生成环节的操作数据,一旦发生敏感数据泄露,无论是数据管理者在数据生成环节操作不当,还是接收者没有尽到数据安全防护责任,都可以进行精准追责。

    一种基于服务机器人视觉功能检测方法

    公开(公告)号:CN114311023A

    公开(公告)日:2022-04-12

    申请号:CN202011046733.0

    申请日:2020-09-29

    IPC分类号: B25J19/00

    摘要: 本发明涉及一种基于服务机器人视觉功能检测方法,包括以下步骤:图像采集步骤:利用CCD工业相机分别拍摄室内和室外场景下的目标静态图像和连续多帧视频,发送给视觉处理器;图像预处理步骤:视觉处理器模块发送指令接收CCD工业相机采集的图像和视频并存储至图像数据库中,调用图像预处理模块对接收的图像进行处理使得原始图像和视频的产生比例变形或增加噪声,用于模拟真实场景下的图像变形和天气影响生成模拟图像;图像识别步骤:视觉处理器模块发送指令调用图像真值标注模块对模拟图像进行比对处理识别目标静态图像或视频,并当识别率达到预设阈值时判定该服务机器人视觉检测功能是否合格。

    一种基于知识图谱的对话管理方法及对话系统

    公开(公告)号:CN113010692A

    公开(公告)日:2021-06-22

    申请号:CN202110342068.8

    申请日:2021-03-30

    摘要: 一种基于知识图谱的对话管理方法及对话系统,对话管理方法包括以下步骤:步骤1,用户输入内容,进行自然语言理解,输出对话意图和实体词;步骤2,根据实体词,采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态,记为全局状态数组g;步骤3,将全局状态数组g进行层级压缩,采用另一个一维数组表示用户围绕该实体的对话意图,记为局部状态数组l;步骤4,使用局部状态数组l,通过Q‑learning进行训练得到Q表,选择Q值最大的动作作为最优动作,进行自然语言生成,向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务,同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内,易于进行领域迁移。

    一种基于服务机器人视觉功能检测方法

    公开(公告)号:CN114311023B

    公开(公告)日:2023-12-26

    申请号:CN202011046733.0

    申请日:2020-09-29

    IPC分类号: B25J19/00

    摘要: 本发明涉及一种基于服务机器人视觉功能检测方法,包括以下步骤:图像采集步骤:利用CCD工业相机分别拍摄室内和室外场景下的目标静态图像和连续多帧视频,发送给视觉处理器;图像预处理步骤:视觉处理器模块发送指令接收CCD工业相机采集的图像和视频并存储至图像数据库中,调用图像预处理模块对接收的图像进行处理使得原始图像和视频的产生比例变形或增加噪声,用于模拟真实场景下的图像变形和天气影响生成模拟图像;图像识别步骤:视觉处理器模块发送指令调用图像真值标注模块对模拟图像进行比对处理识别目标静态图像或视频,并当识别率达到预设阈值时判定该服务机器人视觉检测功能是否合格。

    一种基于知识图谱的对话管理方法及对话系统

    公开(公告)号:CN113010692B

    公开(公告)日:2023-09-22

    申请号:CN202110342068.8

    申请日:2021-03-30

    摘要: 一种基于知识图谱的对话管理方法及对话系统,对话管理方法包括以下步骤:步骤1,用户输入内容,进行自然语言理解,输出对话意图和实体词;步骤2,根据实体词,采用一个一维数组表示知识图谱中的每个实体在对话中的提及状态,记为全局状态数组g;步骤3,将全局状态数组g进行层级压缩,采用另一个一维数组表示用户围绕该实体的对话意图,记为局部状态数组l;步骤4,使用局部状态数组l,通过Q‑learning进行训练得到Q表,选择Q值最大的动作作为最优动作,进行自然语言生成,向用户输出应答。用知识图谱来表示对话状态可以使得对话系统建模更复杂的对话任务,同时层级压缩的方法也解决了状态空间过大的问题。在相似的领域内,易于进行领域迁移。

    一种业务文档驱动的智能客服构造方法

    公开(公告)号:CN114116999A

    公开(公告)日:2022-03-01

    申请号:CN202111332264.3

    申请日:2021-11-11

    摘要: 一种业务文档驱动的智能客服构造方法,其特征在于,步骤1,采集用户当前输入q、业务文档D和对话历史并编码和池化,以获得其句子级别表示;步骤2,将业务文档的句子级别表示Ds中的每一项作为一个语篇单元,依次建立用户当前输入的句子级别表示q与每一个语篇单元之间的关联,每一个语篇单元与对话历史的句子级别表示Hs之间的关联,从而依次实现文档结构分析和对话状态跟踪;步骤3,基于步骤2中获得的关联关系对业务文档和对话历史进行分类,并对当前回答进行推理,以生成最优策略本发明方法借鉴修辞结构理论实现语料关联和准确推理,克服信息槽的问题,以语篇单元的交互状态表示系统对话,顺利驱动对话进行。

    一种基于集成学习的问答方法及系统

    公开(公告)号:CN112287084A

    公开(公告)日:2021-01-29

    申请号:CN202011187451.2

    申请日:2020-10-30

    摘要: 本发明公开了一种基于集成学习的问答方法及系统。方法包括:将用户问题输入预先训练好的集成学习模型,所述集成学习模型包含多个机器学习模型,每个机器学习模型输出该用户问题应由哪一个子问答模块来回答的分类结果;对所述多个机器学习模型的分类结果进行投票集成,根据投票集成结果确定最终调用的子问答模块。本发明借助深度学习技术、集成学习技术,调用合适的子问答模块来回答问题,不依赖于子问答模块的排序,问答效果好,且能够支持使用用户反馈数据对系统再次进行优化。