“子表示”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

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

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

专利权人

国家电网公司

华为技术有限公司

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

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

钻瓜专利网为您找到相关结果243492个，建议您升级VIP下载更多相关专利

[发明专利]一种智能客服数据训练模型领域迁移方法-CN201911133457.9有效
发明人：张翀;江岭 -专利权人：成都晓多科技有限公司
申请日： 2019-11-19 - 公布日： 2023-05-12 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种一种智能客服数据训练模型领域迁移方法，包括如下步骤：使用全部数据集训练初始网络模型得到通用模型，使用各个领域的数据集训练初始网络模型得到多个领域模型；将目标数据集输入通用模型和对应的领域模型计算，取通用模型的中间输出作为通用句子表示，取领域模型中间输出作为领域句子表示；将领域句子表示拼接在通用句子表示尾部得到拼接句子表示；将拼接句子表示输入初始网络模型训练得到目标模型。该方法使用通用句子表示和领域句子表示拼接成的拼接句子表示训练得到目标模型，通用句子表示和领域句子表示拼接成的拼接句子表示继承了通用模型和领域模型学习到的领域知识，能够完全适配目标数据领域。
一种智能客服数据训练模型领域迁移方法

[发明专利]对一种表示进行编码的方法-CN98802703.8无效
发明人： W·R·T·藤卡特 -专利权人：皇家菲利浦电子有限公司
申请日： 1998-10-19 - 公布日： 2000-03-22 - 主分类号： G06F19/00 文献下载
摘要：一个编码表示(302)包括多个子表示(304,306),每个子表示由多个表示元素(308—312,314—317)构成。一个表示元素是将被显示的基本单元并包括文本、音频、视频或图象。一个子表示(304)具有一个接口(318),用于为该子表示中的表示元素(308—312)提供索引。这个索引与显示过程的时间和位置以及用于指示是否显示该子表示的优先级有关。
一种表示进行编码方法

[发明专利]一种数据处理系统、方法及计算机设备-CN201910170622.1有效
发明人：蒋亮;梁忠平;温祖杰;张家兴 -专利权人：创新先进技术有限公司
申请日： 2019-03-07 - 公布日： 2023-04-14 - 主分类号： G06F40/211 文献下载
摘要：本说明书公开了一种数据处理系统，方法及计算机设备，根据第一句子表示向量生成增强任务信息，基于增强任务信息对向量生成模型采用的模型参数进行调整后，生成第二句子表示向量，判断是否能被分类模型识别出真实所属类别经过多任务训练，当分类模型能根据句子表示向量进行分类，而任务模型无法根据句子生成模型生成的句子表示向量识别出所属任务的时候，说明句子生成模型直接生成的句子表示向量已经不包含特定任务的信息，可以成为通用的句子表示向量，达到生成的句子表示向量具有通用性的目的。
一种数据处理系统方法计算机设备

[发明专利]融合SMILES序列和分子图的分子预训练表示方法及系统-CN202211282025.6在审
发明人：兰艳艳;马维英 -专利权人：清华大学
申请日： 2022-10-19 - 公布日： 2023-03-07 - 主分类号： G16C20/50 文献下载
摘要：本发明提供一种融合SMILES序列和分子图的分子预训练表示方法及系统，包括：获取SMILES形式的字符序列和分子图；分别从分子层面和片段层面，将所述SMILES形式的字符序列和所述分子图输入至预训练好的Transformer模型进行处理，输出分子表示向量；将所述分子表示向量作为下游任务的输入，完成分子表示。本发明解决现有分子表示方案不全面、达不到理想效果的问题。
融合 smiles 序列分子训练表示方法系统

[发明专利]用于将医学文本报告分割到区段中的方法和设备-CN202210666763.4在审
发明人： S·乔扈里;H·耶雷巴肯;品川嘉久 -专利权人：西门子医疗有限公司
申请日： 2022-06-14 - 公布日： 2022-12-16 - 主分类号： G16H15/00 文献下载
摘要：针对该报告的每个句子，通过将每个句子的单词级上下文表示顺序地输入到神经网络中来确定第一句子表示。通过将每个句子的聚合表示顺序地输入到另一个神经网络中来确定第二句子表示。针对每个句子，基于第一和第二句子表示的组合来确定第三句子表示，并且通过将第三句子表示输入到区段分类器中来确定该句子的区段分类。向每个句子指派针对该句子确定的区段分类。
用于医学文本报告分割区段中的方法设备

[发明专利]分子理解模型的训练方法、装置、设备和介质-CN202110082654.3有效
发明人：李宇琨;张涵;肖东凌;孙宇 -专利权人：北京百度网讯科技有限公司
申请日： 2021-01-21 - 公布日： 2023-10-24 - 主分类号： G16B40/00 文献下载
摘要：该训练方法包括：获取预训练数据，所述预训练数据包括：第一分子表示序列样本和第二分子表示序列样本，所述第一分子表示序列样本和所述第二分子表示序列样本为同一个分子的两种不同的分子表示序列样本；采用所述分子理解模型，对所述第一分子表示序列样本进行处理，以得到预训练输出；根据所述预训练输出和所述第二分子表示序列样本计算预训练损失函数，并根据所述预训练损失函数更新所述分子理解模型的参数。
分子理解模型训练方法装置设备介质

[发明专利]用于跨语言检索的句子表示生成-CN202210207198.5在审
发明人：吴宁;梁耀波;范宝泉;寿林钧;公明;姜大昕;段楠 -专利权人：微软技术许可有限责任公司
申请日： 2022-03-04 - 公布日： 2023-09-19 - 主分类号： G06F16/332 文献下载
摘要：本公开提出了用于跨语言检索的句子表示生成的方法、装置和计算机程序产品。可以获得目标句子。可以通过编码器来生成所述目标句子的初始目标句子表示，所述编码器是通过对比上下文预测机制来预训练的。可以通过跨语言修正，基于所述初始目标句子表示，生成所述目标句子的目标句子表示以用于跨语言检索。
用于语言检索句子表示生成

[发明专利]机器翻译结果打分方法和装置-CN202011395504.X在审
发明人：刘绍孔;李健;武卫东;陈明 -专利权人：北京捷通华声科技股份有限公司
申请日： 2020-12-02 - 公布日： 2021-03-09 - 主分类号： G06F40/51 文献下载
摘要：该方法包括：接收用于翻译的源语言语料；初始的源语言翻译模型先将所述源语言语料中的待翻译句子编码为源语言句子表示向量,再基于源语言句子表示向量解码得到目标语言翻译句子；初始的目标语言翻译模型先将目标语言翻译句子编码为目标语言句子表示向量,再基于目标语言句子表示向量解码得到源语言翻译句子；基于目标语言句子表示向量和源语言句子表示向量使用分数计算模型进行打分，得到翻译结果分数。
机器翻译结果打分方法装置

[发明专利]一种无监督句子表示方法及装置-CN202310656359.3在审
发明人：李熙铭;王兵;李长春;王一鸣 -专利权人：吉林大学
申请日： 2023-06-05 - 公布日： 2023-09-05 - 主分类号： G06F40/205 文献下载
摘要：本发明涉及自然语言处理，特别是指一种无监督句子表示方法及装置，所述方法包括：输入待表示的文本句子；使用优化策略优化训练完成的预训练语言模型，对所述待表示的文本句子进行无监督句子表示，所述优化策略包括：基于对抗训练的策略和基于信息理论的不完整句子检测策略的策略采用本发明，能够克服预训练语言模型因为存在各项异性问题而导致的无监督句子表示的相似性偏差和信息偏差的问题，更好地进行无监督句子表示。
一种监督句子表示方法装置

[发明专利]分子表示方法、分子表示模型的训练方法及装置-CN202210314863.0在审
发明人：何东龙;刘荔行;林大勇;方晓敏;王凡;何径舟 -专利权人：北京百度网讯科技有限公司
申请日： 2022-03-28 - 公布日： 2022-07-01 - 主分类号： G16C20/50 文献下载
摘要：本公开提供了一种分子表示方法、分子表示模型的训练方法及装置，涉及人工智能技术领域，尤其涉及生物计算、深度学习技术领域。实现方案为：获取待表示的分子的特征信息，所述分子包括多个原子；生成所述多个原子的全连通图，所述全连通图包括多条边；基于所述特征信息，生成多个原子向量表示和多个边向量表示，所述多个原子向量表示与所述多个原子分别对应，所述多个边向量表示与所述多条边分别对应；基于所述全连通图，对所述多个原子向量表示和所述多个边向量表示进行至少一次聚合，以得到更新后的多个原子向量表示；以及基于所述更新后的多个原子向量表示，生成所述分子的分子向量表示
分子表示方法模型训练装置

[发明专利]一种基于语法依赖类型和方面间关联的情感分析方法-CN202210373785.1在审
发明人：刘辉;马祥 -专利权人：重庆邮电大学
申请日： 2022-04-07 - 公布日： 2022-07-22 - 主分类号： G06F40/205 文献下载
摘要：本发明公开了一种基于语法依赖类型和方面间关联的情感分析方法，包括S1获取需要分析的文本，并通过预训练模型将其转化为词向量表示；S2将特定方面与句子表示的每一个单词进行拼接，并引入语法依赖类型，赋予语法依赖树中重要的依赖类型更大的权重；S3将带有方面感知和语法依赖类型的句子表示作为模型的输入；S4引入方面间关联矩阵，并经由图卷积网络获取到含有方面间关联的句子表示；S5将含有方面间关联的句子表示和含有方面特征的句子表示融合起来；S6得到同时含有方面信息和方面间关联的句子表示后
一种基于语法依赖类型方面关联情感分析方法

[发明专利]基于语义和句法双通道的语句情感分析方法以及装置-CN202210662347.7在审
发明人：郑梦云;唐小煜;李萍;龚雅云 -专利权人：华南师范大学
申请日： 2022-06-13 - 公布日： 2022-09-13 - 主分类号： G06F40/30 文献下载
摘要：本发明涉及情感分析领域，特别涉及一种基于语义和句法双通道的语句情感分析方法，方法包括：获得待测语句的句子表示，其中，待测语句包括若干个句子；将待测语句的句子表示输入至预设的神经网络模型中的句子编码模块，获得待测语句的词嵌入表示；将待测语句的词嵌入表示以及句子表示输入至神经网络模型中的语义通道，获得待测语句的语义特征表示；将待测语句的词嵌入表示以及句子表示输入至神经网络模型中的句法通道，获得待测语句的句法特征表示；将待测语句的词嵌入表示、语义特征表示以及句法特征表示输入至神经网络模型的分类模块中，获取神经网络模型的分类模块输出的情感分析结果。
基于语义句法双通道语句情感分析方法以及装置

[发明专利]分子表示方法及电子设备-CN202211150982.3在审
发明人：王逸群;沈宇宁;汪励颢;陈实 -专利权人：北京有竹居网络技术有限公司;脸萌有限公司
申请日： 2022-09-21 - 公布日： 2022-12-23 - 主分类号： G16C20/50 文献下载
摘要：本公开实施例涉及一种分子表示方法及电子设备。该分子表示方法，包括：确定分子的分子表面，分子表面为连续的黎曼流形且分子表面包括离散的多个表面节点；基于分子表面，确定分子的几何特征；通过将分子内部的原子信息映射到多个表面节点，确定分子的化学特征；通过将几何特征与化学特征进行整合以此方式，本公开的实施例中，通过含时演化多尺度特征，提供了一种不同于已有的分子表示方法的、基于黎曼流形的分子表示方法。
分子表示方法电子设备

[发明专利]一种小型的融合中文词嵌入的命名实体识别方法和系统-CN202210656656.3在审
发明人：胡韵;何灏;朱庆猛;郑昌文 -专利权人：中国科学院软件研究所
申请日： 2022-06-10 - 公布日： 2022-09-27 - 主分类号： G06F40/295 文献下载
摘要：本发明主要包括四个模块：字符表示、单词表示、句子表示和句子解码，首先句子中的字符通过字符嵌入得到字符表示，之后通过将句子和中文词嵌入进行匹配和BME的单词映射，得到单词表示，然后我们将字符表示和单词表示连接，输入到GRU当中，得到句子表示，最后对句子表示进行句子解码，得到最终的结果。通过对于单词表示和句子表示的改进，最终实现缩小模型参数和加快识别速度的要求。
一种小型融合文词嵌入命名实体识别方法系统

[发明专利]一种未知意图文本的识别方法及装置-CN202210307174.7在审
发明人：李健铨;刘小康;穆晶晶;胡加明 -专利权人：鼎富智能科技有限公司
申请日： 2022-03-25 - 公布日： 2022-07-15 - 主分类号： G06F16/35 文献下载
摘要：其方案包括：获取每个训练样本对应的K个正样本和S个负样本，K和S均为大于或者等于1的正整数；使用分类器获取训练样本及其对应的正样本和负样本的句子表示，使同类别样本的句子表示相互聚拢，使不同类别的句子表示相互远离；根据句子表示确定每个类别的决策中心，并学习每个类别的决策边界；判断待识别文本是否位于全部类别的决策边界之外；如果是，则确定待识别文本为未知意图文本。本申请实施例在训练分类器阶段引入了对比学习和分类学习，使同类别样本的句子表示相互聚拢，使不同类别的句子表示相互远离，使训练决策边界的时候效果更优，使分类器能够更准确地识别出未知意图的文本。
一种未知意图文本识别方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top