“楼星雨”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]零指代位置检测方法、装置、设备及计算机可读存储介质-CN202010110444.6有效
发明人： 楼星雨;许开河;王少军 -专利权人：平安科技（深圳）有限公司
申请日： 2020-02-21 - 公布日： 2023-10-20 - 主分类号： G06F40/211 文献下载
摘要：本发明涉及自然语言处理技术领域，公开了一种零指代位置检测方法及装置、设备和计算机可读存储介质，该方法包括：将输入的文本和需进行零指代位置检测的待检测语句进行拼接，以获取目标文本，并根据预设形式对目标文本中的字和特征进行表征，以获取各表征矩阵；将各表征矩阵分别嵌入到低维稠密表征矩阵中，并对已迁入表征矩阵的低维稠密表征矩阵进行相加，以获取各目标稠密表征矩阵；将各目标稠密表征矩阵依次输入到语言表征模型进行模型训练，以获取各所述字对应的字向量；将各所述字向量输入到CRF中进行预测，并根据预测结果确定所述待检测语句的零指代位置。解决了现有技术中进行零指代位置检测时，识别精度低的技术问题。
指代位置检测方法装置设备计算机可读存储介质

[发明专利]问题信息处理方法及装置-CN201910417749.9有效
发明人： 楼星雨;杨坤;许开河;王少军 -专利权人：平安科技（深圳）有限公司
申请日： 2019-05-20 - 公布日： 2023-08-08 - 主分类号： G06F16/332 文献下载
摘要：本发明实施例提供一种问题信息处理方法、问题信息处理装置、存储介质及计算机设备，涉及人工智能领域，其中，问题信息处理方法包括：接收用户输入的问题信息，根据问题信息获取第一扩展问；根据训练后的神经网络模型确定第一扩展问对应的第一正标准问；获取所述第一正标准问的答复信息并反馈答复信息；其中，神经网络模型的训练过程包括：获取训练集，训练集包括多个样本对，分别每个训练样本对中的扩展问、正标准问及负标准问分别对应的词向量矩阵；将所述词向量矩阵按组输入到所述神经网络模型中，并对所述神经网络模型进行训练。上述方法能提高对正标准问与负标准问的检索能力。
问题信息处理方法装置

[发明专利]基于大数据的阅读模型优化方法、装置、设备及介质-CN202010108092.0在审
发明人： 楼星雨;许开河;王少军 -专利权人：平安科技（深圳）有限公司
申请日： 2020-02-21 - 公布日： 2020-07-24 - 主分类号： G06F40/117 文献下载
摘要：本发明公开一种基于大数据的阅读模型优化方法，包括：根据已标注数据集对第一阅读理解模型、问题生成模型以及第二阅读理解模型进行预训练；通过预训练后的第二阅读理解模型对无标注数据集进行预测，得到关于文章和答案的二元数据对；通过预训练后的问题生成模型对所述二元数据对进行预测，得到关于文章、问题和答案的三元数据对；通过预训练后的第一阅读理解模型对三元数据对进行过滤；根据已标注数据集中的文章主题对过滤后的三元数据对进行筛选，生成伪标注数据集；根据伪标注数据集和已标注数据集对预训练后的所述第一阅读理解模型进行优化训练。本发明解决了现有阅读理解技术由于标注数据的获取成本高导致的训练样本小、模型精度低的问题。
基于数据阅读模型优化方法装置设备介质

[发明专利]基于大数据的零指代消解方法、装置、设备及介质-CN202010099118.X在审
发明人： 楼星雨;许开河;王少军 -专利权人：平安科技（深圳）有限公司
申请日： 2020-02-18 - 公布日： 2020-07-10 - 主分类号： G06F40/211 文献下载
摘要：本发明公开了一种基于大数据的零指代消解方法，所述方法包括：对待消解句子及其上文信息执行向量化处理，得到所述待消解句子以及所述上文信息中每个字的上下文向量表示；将所述待消解句子和所述上文信息中每个字的上下文向量表示输入双向长短期记忆网络中，得到每个字增强后的上下文向量表示；遍历每个字增强后的上下文向量表示，根据bert模型中的参数向量预测每个字的回指项头字概率和回指项尾字概率；遍历每个字，构建连续文本片段，并根据计算所述连续文本片段的回指项概率；选取回指项概率最大的连续文本片段作为所述待消解句子的回指项。本发明解决了现有零指代消解技术过于依赖回指项候选集合、消解结果准确性低且不稳定的问题。
基于数据指代消解方法装置设备介质

[发明专利]自动问答方法及装置-CN201811192199.7在审
发明人：许开河;楼星雨;王少军;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2018-10-12 - 公布日： 2019-03-26 - 主分类号： G06F16/332 文献下载
摘要：本公开涉及人工智能技术领域，具体揭示了一种自动问答方法及装置，包括：构建输入问题的语义向量；根据所述语义向量对所述输入问题进行语义完整性判断；如果所述输入问题的语义不完整，通过语义补充模型从所述输入问题对应的上文语料库中预测得到所述输入问题中的省略词组；根据语义不完整的所述输入问题和所获得的所述省略词组从问答数据库中获取所述输入问题的回复信息。采用深度学习的方法，针对语义不完整的输入问题进行省略词组预测，根据预测得到的省略词组结合输入的问题获取输入问题的回复信息，从而可以提高自动问答的灵活性，提高用户体验。
语义词组省略自动问答回复信息语义向量预测人工智能技术语义完整性用户体验语料库构建数据库补充学习