专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果57个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于大语言模型的语音问答构建方法、装置及介质-CN202310836892.8在审
  • 陈开冉;黎展;陶峰 - 广州探迹科技有限公司
  • 2023-07-07 - 2023-10-10 - G06F16/332
  • 本发明公开了一种基于大语言模型的语音问答构建方法,包括:获取企业信息;根据所述企业信息构建企业prompt,将所述企业prompt输入大语言模型中获取若干第一行业知识点;对所述第一行业知识点进行知识凝练和知识去重获取第二行业知识点;根据所述第二行业知识点,构建问卷prompt,将所述问卷prompt输入大语言模型中获取话术问卷,通过所述话术问卷获取企业知识;根据所述企业知识构建话术prompt,将所述话术prompt输入大语言模型中获取应答话术;获取所述应答话术的语音答复信息,构建语音问答话术库,所述语音问答话术库包括问题以及对应的语音答复信息。本发明通过大语言模型自动挖掘行业知识并生成话术问卷快速搜集企业知识,以快速支撑话术冷启动。
  • 一种基于语言模型语音问答构建方法装置介质
  • [发明专利]一种基于大语言模型的客户通话管理方法、装置及介质-CN202310836896.6在审
  • 陈开冉;黎展;卢运福 - 广州探迹科技有限公司
  • 2023-07-07 - 2023-10-10 - G06F40/30
  • 本发明公开了一种基于大语言模型的客户通话管理方法,包括对通话语音数据执行语音识别以获取对应的通话文本数据;对通话文本数据进行切片处理,获取若干最小语义文本切片;将头部的最小语义文本切片结合摘要prompt输入大语言模型进行处理以获取第一通话内容,将第一通话内容结合相邻的最小语义文本切片以及摘要prompt输入大语言模型以获取第二通话内容;将第二通话内容结合相邻的最小语义文本切片以及摘要prompt输入大语言模型进行处理,直至完成尾部的最小语义文本切片的处理以获取通话摘要文本;结合结果prompt将通话摘要文本输入大语言模型进行总结处理以输出通话结论以及通话资讯。本发明利用大语言模型自动分析销售实际通话并自动进行记录。
  • 一种基于语言模型客户通话管理方法装置介质
  • [发明专利]基于大语言模型的客户智能推荐方法、系统、设备及介质-CN202310830802.4在审
  • 陈开冉;黎展;谢智权 - 广州探迹科技有限公司
  • 2023-07-06 - 2023-10-10 - G06F16/9535
  • 本发明提出了一种基于大语言模型的客户智能推荐方法、系统、设备及介质,方法包括:构建企业知识图谱,分别定义业务主体及关联的广义相关关系;构建标签分类模型,通过业务主体与广义相关关系的关联映射,输出带有分类标签的业务主体;预设置第一关系三元组,构建用于实例化查询的第一prompt指令并输入大语言模型获得查询结果;根据查询结果生成第二关系三元组,构建用于实例化校验的第二prompt指令并输入大语言模型获得校验结果,将校验后的尾实体匹配企业知识图谱的业务主体,根据企业知识图谱的映射关系确定目标推荐客户。本发明通过企业知识图谱结合大语言模型,由企业业务产业链间信息确定目标客户,提高客户推荐的鲁棒性和准确性,具有较强的实用性。
  • 基于语言模型客户智能推荐方法系统设备介质
  • [发明专利]一种基于大语言模型的企业筛选方法、装置及介质-CN202310924970.X在审
  • 陈开冉;黎展;黄东阳 - 广州探迹科技有限公司
  • 2023-07-25 - 2023-10-10 - G06F16/335
  • 本发明公开了一种基于大语言模型的企业筛选方法、装置及介质,一种基于大语言模型的企业筛选方法,所述方法包括:定义数据库以及prompt模板库,所述数据库中包括数种维度信息,所述维度信息为企业具有的属性,所述prompt模板库包括数种与所述维度信息对应的prompt模板;获取用户的筛选需求文本,通过所述prompt模板将所述筛选需求文本输入大语言模型中,通过所述大语言模型判断所述筛选需求文本命中的维度信息;将所述命中的维度信息搭建为筛选条件组;通过所述筛选条件组在企业知识图谱中进行检索,以获取符合要求的企业名单。本发明能够能够理解用户自然语言并自动构建符合企业信息查询工具格式要求的筛选组,便于用户快速进行企业筛选工作。
  • 一种基于语言模型企业筛选方法装置介质
  • [发明专利]一种容器集群中算法模型的预加载方法-CN202010884871.X有效
  • 陈开冉;黎展;王木 - 广州探迹科技有限公司
  • 2020-08-28 - 2023-08-11 - G06F9/455
  • 本发明实施例提供了一种容器集群中算法模型的预加载方法、装置及计算设备,实现了容器集群中算法模型的预加载,解决模型实时加载慢,以及短时间内大量模型同时加载造成的加载队列阻塞和模型加载失败的问题。方法包括:获取第一时间段内算法模型加载任务分布、空闲模型最长存活时间和算法模型加载速度;根据所述第一时间段内的算法模型加载任务分布、所述空闲模型最长存活时间和所述算法模型加载速度,确定早于所述第一时间段的第二时间段内的算法模型预加载任务分布;根据所述第二时间段内的算法模型预加载任务分布预加载算法模型。
  • 一种容器集群算法模型加载方法
  • [发明专利]一种基于BERT的短文本匹配方法及装置-CN201910576788.3有效
  • 陈开冉;黎展;陶峰 - 广州探迹科技有限公司
  • 2019-06-28 - 2023-06-02 - G06F40/289
  • 本发明公开了一种基于BERT的短文本匹配方法,根据第一场景的需求,获取第一场景的第一监督任务数据,并对第一监督任务数据进行降噪处理,生成第一数据,然后从第一数据中提取第一关键词,并对第一数据和第一关键词进行转换处理,生成第一原始表达式和第一特征表达式,再分别将第一原始表达式和第一特征表达式输入至预设的短文本匹配模型,生成第一原始表达式的第一得分和第一特征表达式的第二得分,最后判断第一得分和/或第二得分是否达到预设阈值,若是,则判定第一监督任务数据属于正面样本,否则判定第一监督任务数据属于负面样本,能够在监督任务数据有限的情况下,最大限度地发挥先验知识的作用,具有较强的鲁棒性和可解释性。
  • 一种基于bert文本匹配方法装置
  • [发明专利]基于企业知识图谱的国际物流信息推荐方法、系统及介质-CN202310136762.3在审
  • 陈开冉;黎展;黄俊强;周晓健 - 广州探迹科技有限公司
  • 2023-02-17 - 2023-05-30 - G06F16/36
  • 本发明提出了一种基于企业知识图谱的国际物流信息推荐方法、系统及介质,包括如下步骤:采集企业和电商平台的信息数据集,进行标准化数据加工处理;根据预构建的企业知识图谱分析所述标准化信息数据集,通过文本关联规则和精确筛选规则,分别生成多组第一特征数据和第二特征数据;根据第一特征数据识别电商平台用户对应的企业,获得由企业组成的客群分类,客群分类包括:跨境电商、传统外贸以及货代同行;基于客群分类和第二特征数据在企业知识图谱中匹配的企业,确定目标客户。本发明通过企业知识图谱和采集加工后的信息数据,生成筛选条件,从而确认国际物流行业供应商的目标客户,提高物流供应商寻找目标客户的效率和准确性。
  • 基于企业知识图谱国际物流信息推荐方法系统介质
  • [发明专利]一种基于多轮对话的意向判断方法-CN202010898841.4有效
  • 陈开冉;黎展;周捷光 - 广州探迹科技有限公司
  • 2020-08-31 - 2023-05-30 - G06F16/33
  • 本发明实施例提供了一种基于多轮对话的意向判断方法、装置、可读存储介质及计算设备,基于深度学习的二阶transformer的方法进行对话的意向判断,不依赖于人为制定的特征以及系统中其他上游模型、决策系统的特征,能有效减少系统累计错误,提高特征抽取能力,并且提高了样本利用率。方法包括:将对话输入训练后的模型;所述模型包括transformer‑A结构、transformer‑B结构和第一二分类网络;所述模型的transformer‑A结构获取所述对话的单句特征;所述模型的transformer‑B结构根据所述对话的单句特征,提取所述对话的多轮对话特征;所述模型的第一二分类网络根据所述对话的多轮对话特征,输出所述用户的意向判断结果;其中,所述意向判断结果包括有意向或者没有意向。
  • 一种基于轮对意向判断方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top