“广州网律互联网科技有限公司”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

[发明专利]一种基于法律咨询的智能交互方法、系统及设备-CN202210871275.7在审
发明人：陈力;周建明 -专利权人： 广州网律互联网科技有限公司
申请日： 2022-07-22 - 公布日： 2022-10-25 - 主分类号： G06F16/332 文献下载
摘要：本申请提供了一种基于法律咨询的智能交互方法、系统及设备，本申请通过获取客户端由用户输入的法律咨询问题；对所述法律咨询问题进行预处理得到规范化的法律咨询问题；根据所述规范化的法律咨询问题生成补充问题；基于所述补充问题和用户交互得到用户的反馈信息；根据所述反馈信息和所述法律咨询问题在服务器查找对应的答案。本申请通过根据所述规范化的法律咨询问题生成补充问题，能够对用户咨询的不完整问题进行补充，使问题更加完整，丰富，从而得到更加精确的答案，并且也增强了人机互动效果，更加人性化，本申请还能够识别咨询意图，对于一些恶意咨询，可以进行警告。
一种基于法律咨询智能交互方法系统设备

[发明专利]一种基于深度学习的人工智能服务方法、系统及设备-CN202111078375.6在审
发明人：陈力;周建明 -专利权人： 广州网律互联网科技有限公司
申请日： 2021-09-15 - 公布日： 2021-12-10 - 主分类号： G06F16/332 文献下载
摘要：本申请提供了一种基于深度学习的人工智能服务方法、系统及设备，本申请通过获取法律相关的问答数据；对所述问答数据进行预处理得到问题样本和答案样本；基于深度学习方式对所述问题样本和答案样本进行训练直至输出的问题和答案的匹配概率最大化，得到问答模型；获取待咨询问题；根据待咨询问题在数据库中查找对应的多个答案；将所述待咨询问题和对应的多个答案输入至所述问答模型中，将匹配率最高的答案作为输出结果。本申请大大提高了咨询答复的精确度。
一种基于深度学习人工智能服务方法系统设备

[发明专利]一种基于法条理解的法条推荐方法、系统及设备-CN202111078401.5在审
发明人：陈力;周建明 -专利权人： 广州网律互联网科技有限公司
申请日： 2021-09-15 - 公布日： 2021-12-10 - 主分类号： G06F16/335 文献下载
摘要：本申请提供了一种基于法条理解的法条推荐方法、系统及设备，本申请通过获取用户输入的法律问题；对法律问题进行预处理得到预处理法律问题；提取预处理法律问题中的第一关键词和第二关键词；基于第一关键词确定问题所属的法典；根据第二关键词在法典中确定法章；根据第一关键词和第二关键词生成多个关联法律问题；在法章中查找每个关联法律问题对应的法条；在查找的多个法条中筛选出匹配率最高的法条作为最终推荐法条。本申请大大提高了匹配精度。
一种基于法条理解推荐方法系统设备

[发明专利]一种基于隐马尔科夫链模型的智能推荐算法-CN201510958239.4有效
发明人：陈力 -专利权人： 广州网律互联网科技有限公司
申请日： 2016-02-14 - 公布日： 2019-10-15 - 主分类号： G06F16/953 文献下载
摘要：一种基于隐马尔科夫链模型的智能推荐算法，用于法律网的智能推荐系统上。包括步骤：针对文档特点，将信息增益率和相关度分别替代隐马尔科夫链模型中的状态的初始概率和状态转移概率；计算客户阅读第t篇文档时的部分概率；计算文档篇数t=n时每一篇文档的最优概率和最优文档序列，从所有最优概率中选择值最大的最优概率；记录下最优文档序列，即是推荐给客户的所有文档序列。本发明实施方案综合了信息增益率和隐马尔科夫链的优点，弥补了单使用隐马尔科夫链算法作为推荐算法时推荐偏向数量大的状态的缺点，以及求解参数是的复杂性缺点，在推荐算法中具有较大的实用性和较高的精准性。
一种基于隐马尔科夫链模型智能推荐算法

[发明专利]一种基于LDA与退火算法组合的推荐技术-CN201610130800.4在审
发明人：陈力 -专利权人： 广州网律互联网科技有限公司
申请日： 2016-03-09 - 公布日： 2017-09-19 - 主分类号： G06F17/30 文献下载
摘要：一种基于LDA（Latent Dirichlet Allocation）与退火算法的组合推荐算法，用于法律网站上的文档智能推荐系统上。包括步骤首先对历史浏览文档进行分析，采用Gibbs抽样构建主题—文档矩阵和主题—词矩阵，得到历史浏览文档的多维主题分布Φnew，从多维主题分布Φnew中抽出k个具有高峰分布的主题作为这些文档的代表主题{zk}rep；然后采用一次退火算法在所有文档中筛选出在代表主题上的分布满足一定条件的历史文档作为备选文档；再采用第二次不同的退火算法从这些备选文档中筛选出来h篇与历史浏览文档在对应的代表主题上有较高相似度的文档作为最终推荐文档。最后进行模型评价，将本发明所提出的算法与单独使用LDA模型推荐算法进行对比分析。经验证，本发明提出的算法无论在性能上还是运行速度上都比单独使用LDA模型有所提高。
一种基于 lda 退火算法组合推荐技术