“过群”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19个，建议您升级VIP下载更多相关专利

[发明专利]一种文本信息分词处理的方法、装置、终端及存储介质-CN201911168682.6有效
发明人：王铄;史亮;陈宇鹏;过群 -专利权人：北京小米智能科技有限公司
申请日： 2019-11-25 - 公布日： 2023-09-26 - 主分类号： G06F40/284 文献下载
摘要：本公开是关于一种文本信息分词处理的方法、装置、终端及存储介质，所述方法包括：获取文本信息以及配置信息，其中，所述配置信息包括至少两条第一分词规则；按照预定规则，将所述第一分词规则转换成第二分词规则；当利用任意两条所述第二分词规则匹配到的文本信息的字符串存在交集时，确定存在交集的任意两条所述第二分词规则对应的两条所述第一分词规则存在冲突；按照所述配置信息处理所述文本信息，输出所述文本信息的分词结果。由于通过了将所述第一分词规则转换成第二分词规则，使得第二分词规则可以成为一个确定性的规则，从而可以通过这些确定的分词规则，快速和准确地排查出配置信息中存在冲突的分词规则。
一种文本信息分词处理方法装置终端存储介质

[发明专利]关键词提取方法、关键词提取装置及电子设备-CN201911285457.0有效
发明人：过群;鲁骁;孟二利;王斌;史亮;齐保元;纪鸿旭 -专利权人：北京小米智能科技有限公司
申请日： 2019-12-13 - 公布日： 2023-08-18 - 主分类号： G06F16/33 文献下载
摘要：本公开是关于一种关键词提取方法、关键词提取装置及电子设备。其中关键词提取方法，包括：接收原始文档；从原始文档中提取候选词构成第一词语集合；获取第一词语集合中每个候选词与原始文档的第一关联度，根据第一关联度确定第二词语集合；基于原始文档，通过预测模型生成预测词，所得到的预测词构成第三词语集合；确定第二词语集合和第三词语集合的并集，获取并集中每个候选关键词与原始文档的第二关联度，并且获取并集中每个候选关键词的发散度；基于第二关联度和发散度，从并集中选择至少一个候选关键词作为关键词，构成关键词集合。通过关键词之间的发散度，从而解决关键词冗余的问题，关键词不受候选词词频的影响，丰富关键词的表达方式。
关键词提取方法装置电子设备

[发明专利]一种关键词提取方法、装置及介质-CN201911285835.5有效
发明人：过群;鲁骁;孟二利;王斌;史亮;纪鸿旭;齐保元 -专利权人：北京小米智能科技有限公司
申请日： 2019-12-13 - 公布日： 2023-08-15 - 主分类号： G06F16/35 文献下载
摘要：本文公开了一种关键词提取方法、装置及介质，属于数据处理领域。此方法包括：接收原始文档，从原始文档提取候选词，将提取出的候选词构成第一词语集合；获取第一词语集合中每个第一词语与原始文档的第一关联度，根据第一关联度确定第二词语集合；针对第二词语集合中的每个第二词语，在词语关联拓扑中查询与第二词语符合关联条件的至少一个节点词构成第三词语集合；确定第二词语集合和第三词语集合的并集，获取并集中每个候选关键词与原始文档的第二关联度，根据第二关联度从并集中选择至少一个候选关键词构成原始文档的关键词集合。本文可减少计算复杂度，提升计算速度；解决现有方法中优先选择高频词的问题；有效丰富关键词的表达方式。
一种关键词提取方法装置介质

[发明专利]关键词提取方法、装置及存储介质-CN201911282700.3有效
发明人：过群;鲁骁;孟二利;王斌;史亮;齐保元;纪鸿旭 -专利权人：北京小米移动软件有限公司
申请日： 2019-12-13 - 公布日： 2023-07-14 - 主分类号： G06F40/284 文献下载
摘要：本公开是关于一种关键词提取方法、装置及存储介质，包括：接收原始文档，从原始文档中提取多个候选短语，所提取的多个候选短语构成候选集合；获取候选集合中每个候选短语与原始文档的关联度；获取候选集合中每个候选短语的发散度；基于关联度和发散度，从候选集合中选择至少一个候选短语作为关键短语，基于所选择的至少一个关键短语构成原始文档的关键短语集合。这样，能从候选集合选取与原始文档的关联度高的候选短语作为关键短语，使提取的关键短语与原始文档的相似性高，提高提取关键短语的准确性；能从候选集合中选发散度高的短语作为关键短语，使提取的关键短语与已选至关键短语集合的关键短语的差异程度高，提高关键短语的多样性。
关键词提取方法装置存储介质

[发明专利]数据处理方法、装置及介质-CN202310262157.0有效
发明人：孙谦;过群;赵义雪莹;杨博;戴小飞 -专利权人：北京小米移动软件有限公司
申请日： 2023-03-16 - 公布日： 2023-06-30 - 主分类号： G06Q10/04 文献下载
摘要：本公开涉及一种数据处理方法、装置及介质，所述方法包括：获取目标对象在历史时段内的使用状态数据；确定所述使用状态数据在每一特征维度下对应的特征数据序列；针对每一所述特征维度，根据所述特征维度对应的参数预测模型，确定所述特征维度下的所述特征数据序列对应的预测特征参数；根据所述预测特征参数和所述目标对象的用户数量，确定所述目标对象的需求量预测数据。由此，可以从影响目标对象的需求量的特征维度切入进行预测，从而可以保证最终确定出的目标对象的需求量预测数据的准确性。同时该方案能够在结构清晰的预测过程中，体现出目标对象更换转化的逻辑，从而增强了预测过程的可解释能力。
数据处理方法装置介质

[发明专利]工程项目全周期的现金流管理方法-CN202110106413.8有效
发明人：袁磊;曹瑞;徐冲;夏扬;郭亚雯;崔栋;沈晖;王力;陈麒州;闫思佳;顾施思;范应奇;孙礼明;张旗东;朱维奇;钱刚;黄华;伏晓玲;汪瑾;许天诺;崔岚;高燕;过群;杜军;高海忠;沈轶奇;孙志敏 -专利权人：宝钢工程技术集团有限公司
申请日： 2021-01-26 - 公布日： 2023-01-31 - 主分类号： G06Q10/10 文献下载
摘要：本发明涉及数据处理系统或方法领域，具体为一种工程项目全周期的现金流管理方法。一种工程项目全周期的现金流管理方法，其特征是：按如下步骤依次实施：①审批；②数据采集。本发明信息化程度高，可以实时生成成千上万个明细项目的现金流表，大大提升管理精度，降低资金占用。
工程项目周期现金流管理方法

[发明专利]用于文本分类的训练集的优化方法及装置-CN201910866630.X有效
发明人：纪鸿旭;过群;鲁骁;孟二利 -专利权人：北京小米智能科技有限公司
申请日： 2019-09-12 - 公布日： 2022-12-13 - 主分类号： G06F16/35 文献下载
摘要：本公开是关于一种用于文本分类的训练集的优化方法及装置，所述方法包括：获取用于文本分类的训练集；在训练集中选取一部分样本作为第一初始训练子集，并且对第一初始训练子集中存在错误标注的样本进行更正，获得第二初始训练子集；根据第二初始训练子集，训练文本分类模型；通过训练后的文本分类模型对训练集中的样本进行预测以获得预测结果；根据预测结果，生成标注错误样本集；从标注错误样本集中选取关键标注错误样本，并对关键标注错误样本的标注进行更正，生成对应的正确标注样本；利用正确标注样本更新所述训练集。该方法可以基于主动学习选择错误的标注样本，交由人工重新标注后，快速迭代修正，从而改善训练集的质量。
用于文本分类训练优化方法装置

[发明专利]增值税自动申报方法-CN202110268009.0在审
发明人：袁磊;曹瑞;高燕;郭亚雯;伏晓玲;过群;钱刚;严映红;吴赟;欧阳伟文;郑玛雳;刘俊;许华;何燕;叶英;王疆燕;沈丽丽;陈麒州;胡羲文;朱维奇;嵇岚;霍静 -专利权人：宝钢工程技术集团有限公司
申请日： 2021-03-12 - 公布日： 2022-09-20 - 主分类号： G06Q40/00 文献下载
摘要：本发明涉及电数据处理领域，具体为一种增值税自动申报方法。一种增值税自动申报方法，其特征是：按如下步骤依次实施：一、初始化企业增值税基本信息；二、更新纳税日历；三、销项税金核对；四、进项税金核对；五、进项转出核对；六、建安税金核对；七、增值税计提；八、增值税申报表生成及自动填报。本发明自动化程度高。
增值税自动申报方法

[发明专利]工程总承包企业建安税金数字化管理方法-CN202110268016.0在审
发明人：袁磊;曹瑞;高燕;过群;伏晓玲;郭亚雯;钱刚;吴赟;欧阳伟文;刘俊;严映红;朱维奇;海洋;闫思佳;张旗东;施捍东;孙志敏;崔栋;王力 -专利权人：宝钢工程技术集团有限公司
申请日： 2021-03-12 - 公布日： 2022-09-20 - 主分类号： G06Q40/00 文献下载
摘要：本发明涉及电子方式操作的包括一个或多个远端站与一中心处理单元协调操作的系统领域，具体为一种工程总承包企业建安税金数字化管理方法。一种工程总承包企业建安税金数字化管理方法，其特征是：按如下步骤依次实施：一、建安项目发票管理；二、建安税金自动核算；三、建安税金预缴台账；四、建安纳税申报。本发明管理全面，数据精确。
工程承包企业建安税金数字化管理方法

[发明专利]EPC总包企业项目数字化财务管理方法-CN202110268017.5在审
发明人：袁磊;曹瑞;沈丽丽;伏晓玲;郭亚雯;王疆燕;叶英;胡羲文;陈麒州;徐冲;崔栋;张旗东;沈晖;王力;范应奇;孙礼明;朱维奇;黄华;钱刚;高燕;过群;沈轶奇;孙志敏 -专利权人：宝钢工程技术集团有限公司
申请日： 2021-03-12 - 公布日： 2022-09-20 - 主分类号： G06Q10/10 文献下载
摘要：本发明涉及电数字数据处理领域，具体为一种EPC总包企业项目数字化财务管理方法。一种EPC总包企业项目数字化财务管理方法，其特征是：按如下步骤依次实施：I.项目全生命周期执行状态划分；II.全成本核算体系；III.全生命周期动态精细化管理。本发明全成本核算，实现实时智能化分析。
epc 企业项目数字化财务管理方法

[发明专利]用于工程项目的合同应收账款管理方法-CN202110106414.2在审
发明人：郭亚雯;袁磊;曹瑞;徐冲;顾施思;黄华;夏扬;沈晖;张旗东;沈轶奇;朱维奇;范应奇;孙礼明;孙志敏;闫思佳;伏晓玲;董天夫;左金建;过群;崔栋;王力;陈宙;杜军;高海忠;海洋;刘莉萍 -专利权人：宝钢工程技术集团有限公司
申请日： 2021-01-26 - 公布日： 2021-05-11 - 主分类号： G06Q40/00 文献下载
摘要：本发明涉及电数字数据处理领域，具体为一种用于工程项目的合同应收账款管理方法。一种用于工程项目的合同应收账款管理方法，其特征是：按如下步骤依次实施：① 经营管理共享系统销售端相关信息维护；② 智慧工程平台数据采集；③ RPA智能推送预警。本发明信息收集及时，跟踪分析全面。
用于工程项目合同应收账款管理方法

[发明专利]语义完整性确定方法、装置、电子设备和存储介质-CN202010634056.8在审
发明人：鲁骁;邓雄文;柯震;纪鸿旭;过群;孟二利;王斌 -专利权人：北京小米松果电子有限公司
申请日： 2020-07-02 - 公布日： 2020-10-27 - 主分类号： G06F16/332 文献下载
摘要：本公开涉及一种语义完整性确定方法、装置、电子设备和存储介质，该方法包括：通过文本预测模型对第一待处理文本进行预测，确定目标元素位置对应的目标概率表，其中，目标概率表用于表征预设的元素集合包含的多个文本元素中每个文本元素出现在目标元素位置的预测概率，根据目标概率表，确定元素集合中的每个目标文本元素对应的预测概率，以根据每个目标文本元素对应的预测概率，确定第一待处理文本的语义是否完整，目标文本元素用于表征所述第一待处理文本的语义完整性。本公开能够准确地确定第一待处理文本的语义是否完整，避免由于错误地判断文本的输入结束导致人机对话系统获取到语义不完整的文本，从而提高人机对话的准确性和效率。
语义完整性确定方法装置电子设备存储介质

[发明专利]内容质量评价方法及装置、电子设备、存储介质-CN202010201888.0在审
发明人：鲁骁;过群;孟二利;王斌;纪鸿旭;孙磊 -专利权人：北京小米松果电子有限公司
申请日： 2020-03-20 - 公布日： 2020-07-17 - 主分类号： G06F16/35 文献下载
摘要：本公开是关于一种内容质量评价方法及装置、电子设备、存储介质。一种内容质量评价方法包括：获取待识别多媒体，得到表征所述多媒体内容的文本内容；将所述文本内容输入到预设的内容分类模型，由所述内容分类模型确定所述文本内容为各类别的概率；根据所述各类别的概率和所述各类别的类别权重系数确定所述文本内容的质量评价数据；所述类别权重系数用于表征各类别相对于其他类别的重要程度。本实施例中通过类别权重系数能够体现出各类别相对于正常类别的代价，可以使各类别的概率与类别更匹配，进而得到更合适的质量评价数据，有利于提升识别正确率。
内容质量评价方法装置电子设备存储介质

[发明专利]基于语义与知识图谱的关键词联合式生成方法及系统-CN201911313315.0在审
发明人：过群;朱郑州;朱若飞 -专利权人：过群
申请日： 2019-12-19 - 公布日： 2020-04-24 - 主分类号： G06F16/33 文献下载
摘要：本发明涉及一种基于语义与知识图谱的关键词联合式生成方法及系统，它包括准备阶段、训练阶段1、训练阶段2和推断阶段；所述准备阶段包括的步骤有：根据适用领域的特点，人工构建对应的知识图谱M(如树、无向图、有向图)结构，以表示所需关键词的结构关系(如包含、因果)；准备领域相关的无标注中文语料；安装句向量工具包(如python3.5与sent2vec)；本发明准确度高、语义相关度高、语义发散度强、覆盖范围广、使得关键词提取、分配与生成方法三者互补性更好。
基于语义知识图谱关键词联合生成方法系统

[发明专利]神经网络的训练方法、图像识别方法及其装置-CN201911088011.9在审
发明人：过群;鲁骁;孟二利;王斌;纪鸿旭;史亮;齐保元;陈宇鹏;王铄 -专利权人：北京小米移动软件有限公司
申请日： 2019-11-08 - 公布日： 2020-03-17 - 主分类号： G06N3/04 文献下载
摘要：本公开是关于一种神经网络的训练方法、图像识别方法及其装置。其中神经网络的训练方法，神经网络包括特征提取网络和分类网络，方法包括：超参数确定步骤及网络训练步骤；其中，超参数确定步骤包括：设置分类网络的超参数；基于训练样本集训练分类网络，其中训练样本集包括多个样本和样本对应的标准分类；及，判断分类网络是否达到第一训练标准，若达到第一训练标准，保存分类网络并执行网络训练步骤；若未达到第一训练标准，则返回重新设置分类网络的超参数；网络训练步骤包括：基于训练样本集训练神经网络。通过少量样本确定神经网络的超参数，再训练，在保证神经网络准确率基础上，降低训练样本标注数据量的需求，提升调优速度。
神经网络训练方法图像识别及其装置

1
2
下一页»
尾页
共 19 条