“沈海先”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[实用新型]智慧城市碳排放监测系统-CN202221670811.9有效
发明人：肖伟;沈海先;陈少朋 -专利权人：湖南乔口建设有限公司
申请日： 2022-06-29 - 公布日： 2022-11-08 - 主分类号： G01N33/00 文献下载
摘要：本申请涉及碳排放监测技术领域，尤其是涉及一种智慧城市碳排放监测系统，包括立柱以及固定于所述立柱上的监测仪和太阳能板，所述太阳能板设于所述监测仪上方，所述太阳能板上固定有支架，所述支架上滑动连接有刷板，所述刷板上固定有用于清洁太阳能板的毛刷和用于驱使所述刷板移动的驱动组件。本申请提供的一种智慧城市碳排放监测系统通过控制组件带动刷板在支架上滑动，利用毛刷与太阳能板之间的摩擦实现对太阳能板的清洁，清洁人员只需控制驱动组件即可完成太阳能板的清洁，方便操作。
智慧城市排放监测系统

[发明专利]一种O2O智能匹配算法及装置-CN201911224580.1在审
发明人：朱丙坤;林砺;何雪海;沈海先 -专利权人：中国太平洋保险（集团）股份有限公司
申请日： 2019-12-04 - 公布日： 2020-04-28 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种O2O智能匹配算法，其用于实现线上客户需求与线下服务资源的智能对接，包括如下步骤：a.获取潜在对象数据；b.基于潜在对象数据分配与所述潜在对象数据匹配概率最高的服务人员给所述潜在对象数据。本发明通过获取潜在对象数据，并基于潜在对象数据分配与所述潜在对象数据匹配概率最高的服务人员给所述潜在对象数据，利用大数据分析技术建立保险用户与保险营销员画像，研究多模型融合的智能匹配模式，实现了线上客户需求与线下服务资源的智能对接，并通过人工智能技术为线下营销员团队提供如AI陪练、AI知识问答等专业服务工具，提高专业服务水平和保险购买体验。本发明操作简单、使用方便，具有极高的商业价值。
一种 o2o 智能匹配算法装置

[发明专利]一种基于含属性的多进程采样图表示学习模型的用户参考指数算法-CN201911224227.3在审
发明人： 沈海先;张建辉;朱丙坤;何雪海 -专利权人：中国太平洋保险（集团）股份有限公司
申请日： 2019-12-04 - 公布日： 2020-04-10 - 主分类号： G06Q40/08 文献下载
摘要：本发明公开了一种基于含属性的多进程采样图表示学习模型的用户参考指数算法，包括：a.构建用户关系网络图，其中，每个图节点为一个用户对象；b.对用户关系网络图的节点进行采样，生成节点序列；c.基于节点序列将节点生成低维向量；d.基于低维向量计算所述节点对应的用户参考指数。发明使用了基于用户多维度属性的深度学习模型，对数亿级别保单数据进行模型学习，对用户进行划分不同的客户群体，根据每个客群的风险评估得分，划分出骗保可能性最高的客户，从而对用户进行保险反欺诈识别，相比于传统风险预估模型效果和性能都有很大提升。本发明操作简单、使用方便、高效精确、识别度高，可以精准的识别出高风险的客户，具有极高的商业价值。
一种基于属性进程采样图表学习模型用户参考指数算法

[发明专利]一种智能交互培训系统-CN201911221001.8在审
发明人：朱丙坤;林砺;张建辉;卢凌云;沈海先;何雪海;毛国庆;覃亚芬 -专利权人：中国太平洋保险（集团）股份有限公司
申请日： 2019-12-03 - 公布日： 2020-04-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种智能交互培训系统，包括：虚拟场景引擎(1)，其用于进行实务场景模拟并展现所述模拟实务场景；自然语言处理引擎(2)，其用于对所述模拟实务场景中接收到的自然语言信息进行处理；多模态情感分析引擎(3)，其用于对所述模拟实务场景中接收到的培训输入信息进行建模分析；多维度智能剖析引擎(4)，其与所述自然语言处理引擎、所述多模态情感分析引擎相通讯，并基于所述自然语言处理引擎、所述多模态情感分析引擎的输出结果对培训内容进行分析。本发明利用自然语言处理和计算机视觉技术，能够判断被陪练者表情、微表情、声纹、语义等，进行多维度打分、综合给出陪练结果。本发明使用方便、操作简单、具有极高的商业价值。
一种智能交互培训系统

[发明专利]一种深度双塔模型智能匹配算法及装置-CN201911224581.6在审
发明人： 沈海先;林砺;朱丙坤;何雪海 -专利权人：中国太平洋保险（集团）股份有限公司
申请日： 2019-12-04 - 公布日： 2020-03-13 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了一种深度双塔模型智能匹配算法，所述深度双塔模型至少包括第一子模型以及第二子模型,包括如下步骤：a.通过第一子模型对至少第一用户行为数据以及第一产品数据进行学习处理，并获得学习结果pCTR；b.在执行步骤a的同时或之前或之后通过第二子模型对至少第二用户行为数据以及第二产品数据进行学习处理，并获得学习结果pCVR；c.通过如下公式进行计算获得匹配结果指数：pCTCVR＝pCTR*pCVR。本发明通过对用户的行为数据以及产品数据进行处理，进而确定在双塔模型下的两个学习结果，并基于所述学习结果确定用户对于保险产品的偏好度，从而精准的指引用户进行产品选择，本发明操作简单、使用方便，具有极高的商业价值。
一种深度模型智能匹配算法装置