“样本文本”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

钻瓜专利网为您找到相关结果333556个，建议您升级VIP下载更多相关专利

[发明专利]文本图像生成、训练、文本图像处理方法以及电子设备-CN202211015424.6有效
发明人：郭若愚;杜宇宁;赖宝华;马艳军 -专利权人：北京百度网讯科技有限公司
申请日： 2022-08-24 - 公布日： 2023-07-11 - 主分类号： G06T11/60 文献下载
摘要：本发明提供了一种文本图像生成、训练、文本图像处理方法以及电子设备，涉及人工智能技术领域。具体实现方案为：根据样本文本图像集的样本文本输出结果集和样本标签集，将样本文本图像集划分为至少一个样本文本图像子集；根据待裁剪样本文本图像集的样本文本输出结果集，确定待裁剪样本文本图像集的目标裁剪位置集；基于目标裁剪位置集对待裁剪样本文本图像集进行裁剪，得到至少一个裁剪样本文本图像子集；根据至少一个裁剪样本文本图像子集和至少一个样本文本图像子集，得到目标样本文本图像集。能够有效保证目标裁剪位置的准确性，有效避免字符信息被破坏，并且提高了目标样本文本图像集中样本文本图像的图像背景复杂度和图像多样性。
文本图像生成训练处理方法以及电子设备

[发明专利]翻译模型的训练方法、装置、设备、存储介质及产品-CN202210383363.2在审
发明人：陈巍华;章杰;张旭 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-04-12 - 公布日： 2022-10-04 - 主分类号： G06F40/58 文献下载
摘要：方法包括：获取样本文本对，所述样本文本对包括第一样本文本和第二样本文本，所述第一样本文本为源语种对应的文本，所述第二样本文本为目标语种对应的文本；确定所述第一样本文本中的目标关键词的同义词，同义词的语种为源语种；基于所述同义词，对所述第一样本文本中的目标关键词进行替换，得到第三样本文本；基于所述第一样本文本、所述第二样本文本和所述第三样本文本，训练得到目标翻译模型，所述目标翻译模型用于将所述源语种对应的文本翻译为所述目标语种对应的文本
翻译模型训练方法装置设备存储介质产品

[发明专利]样本文本图像获取方法、文本识别模型训练方法和装置-CN202210454708.9有效
发明人：孙宇君;李睿宇;杨帆;吕江波;沈小勇 -专利权人：深圳思谋信息科技有限公司;北京思谋智能科技有限公司
申请日： 2022-04-24 - 公布日： 2023-02-10 - 主分类号： G06V20/62 文献下载
摘要：本申请涉及一种样本文本图像获取方法及装置，所述方法包括：获取初始样本文本图像；基于初始样本文本图像，得到初始样本文本图像的文本位置区域，以及初始样本文本图像的第一背景图层；获取预设的文本内容参数，以及文本样式参数；基于文本内容参数，以及文本样式参数，得到文本图层；基于文本位置区域，得到文本图层的文本图层位置信息；将文本图层，叠加至第一背景图层中，与文本图层位置信息相匹配的区域中，生成初始样本文本图像对应的目标样本文本图像采用本方法能够提高样本文本图像的数量。
样本文本图像获取方法识别模型训练装置

[发明专利]模型训练方法、匹配方法、装置、系统、电子设备和介质-CN202210095623.6有效
发明人：张力文;丁鑫哲;刘凯;李婷婷 -专利权人：北京百度网讯科技有限公司
申请日： 2022-01-26 - 公布日： 2023-07-28 - 主分类号： G06F18/214 文献下载
摘要：实现方案为：利用多个样本文本和多个样本文本中的每一个样本文本的第一标签来训练第二模型，其中，每一个样本文本的第一标签通过用于第一场景的第一模型对该样本文本的第一预测结果而确定；以及基于多个样本文本中的每一个样本文本，执行对第二模型的更新操作，其中，更新操作包括：响应于第二模型对该样本文本的第二预测结果与该样本文本的第一标签不匹配，确定该样本文本的第二标签，其中，第二标签为该样本文本在第二场景中所对应的标签；以及基于该样本文本和该样本文本的第二标签
模型训练方法匹配装置系统电子设备介质

[发明专利]样本文本生成方法及装置-CN202210234093.9在审
发明人：陈东;余博;张志;朱宇涛;龙慧敏;刘勇;杨丽萍;李娜;王日冬;谭礼晋;李超;姚梁希;时鸽 -专利权人：中国人民解放军93114部队
申请日： 2022-03-10 - 公布日： 2022-06-17 - 主分类号： G06F40/194 文献下载
摘要：本发明公开了一种样本文本生成方法及装置。所述方法包括：获取场景信息和样本文本库，其中，所述场景信息包括第一场景信息和第二场景信息；从所述样本文本库中选取与所述第一场景信息匹配的候选样本文本；将所述候选样本文本中的待替换文本替换为所述第二场景信息，生成目标样本文本。由此，可基于第一场景信息选取匹配的候选样本文本，并利用第二场景信息对候选样本文本进行修正，使得生成的目标样本文本与场景信息精准匹配，有助于提高目标样本文本的准确性和灵活性。
样本文本生成方法装置

[发明专利]多音字读音预测网络的训练方法、语音生成方法及装置-CN202210712858.5在审
发明人：张松;郑垦;朱晓旭;李宝祥 -专利权人：北京市商汤科技开发有限公司
申请日： 2022-06-22 - 公布日： 2022-11-01 - 主分类号： G10L13/08 文献下载
摘要：本公开提供了一种多音字读音预测网络的训练方法、语音生成方法及装置，其中，多音字读音预测网络的训练方法包括：获取包含多音字的样本文本，以及样本文本对应的标签，其中，样本文本对应的标签用于表征样本文本中多音字在预先构建的目标词表中的文本标识，目标词表中同一汉字的不同读音对应有不同的文本标识；将样本文本转换为对应的样本文本标识；将样本文本标识输入至待训练的多音字读音预测网络中，得到样本文本对应的读音预测结果；其中，读音预测结果用于表征样本文本所包含的各个字为目标词表中的各个文本标识对应的汉字的概率；基于读音预测结果以及样本文本对应的标签对待训练的多音字读音预测网络进行训练。
多音字读音预测网络训练方法语音生成装置

[发明专利]识别模型训练方法及装置-CN202110595230.7在审
发明人：王安;李长亮 -专利权人：北京金山数字娱乐科技有限公司
申请日： 2021-05-28 - 公布日： 2021-09-07 - 主分类号： G06F40/205 文献下载
摘要：本申请提供识别模型训练方法及装置，其中，所述方法包括获取多个目标样本文档，并将每个目标样本文档输入解析模型，获得每个目标样本文档的多个目标文本以及每个目标文本的实体类型；基于每个目标文本的实体类型，以及每个目标文本与其他目标文本之间的距离，确定每个目标文本与其他目标文本之间的关联关系；将所述目标文本作为目标样本文本，将所述目标文本与其他目标文本之间的关联关系作为所述目标样本文本的目标样本标签；基于所述目标样本文本以及所述目标样本文本对应的目标样本标签对识别模型进行训练
识别模型训练方法装置

[发明专利]文本推荐方法、装置、电子设备和存储介质-CN202211714426.4在审
发明人：李卓;李松;汪洋;盛志超;王士进;魏思 -专利权人：科大讯飞股份有限公司
申请日： 2022-12-27 - 公布日： 2023-03-28 - 主分类号： G06F16/33 文献下载
摘要：本发明提供一种文本推荐方法、装置、电子设备和存储介质，该方法包括：将原始文本输入对比学习模型中，得到原始文本的目标特征信息，对比学习模型为基于多批样本文本对初始对比学习模型进行训练得到的，每批样本文本中包括至少一个第一三元组和至少一个第二三元组，第一三元组中包括原始样本文本、原始样本文本的第一正例样本和负例样本，第二三元组中包括原始样本文本、原始样本文本的第二正例样本和负例样本，第一正例样本包括与原始样本文本的相似度大于预设值的文本，第二正例样本包括原始样本文本的部分文本；确定目标特征信息和多个预设文本对应的预设特征信息之间的相似度，以确定目标相似文本。本发明可以提高文本推荐的准确性。
文本推荐方法装置电子设备存储介质

[发明专利]文本分类模型的训练及文本分类方法、装置、设备和介质-CN202210503601.9在审
发明人：苑浩 -专利权人：北京百度网讯科技有限公司
申请日： 2022-05-09 - 公布日： 2022-07-12 - 主分类号： G06F16/35 文献下载
摘要：本公开提供了一种文本分类模型的训练及文本分类方法、装置、设备和介质，涉及深度学习和自然语言处理等领域。具体实现方案为：对获取的多个样本文本进行聚类，得到至少一个目标聚簇；根据各样本文本所属的目标聚簇，生成各样本文本对应的簇标签；采用文本分类模型对各样本文本进行第一类别预测，得到各样本文本的预测标签；根据各样本文本对应的预测标签和簇标签对文本分类模型进行第一训练由于聚类可捕捉到样本文本中显著的语义特征，通过对多个样本文本进行聚类的方式，来生成各样本文本对应的簇标签，并基于簇标签对文本分类模型进行预训练，可以使得文本分类模型在真实训练之前，有效学习到样本文本中显著的语义信息
文本分类模型训练方法装置设备介质

[发明专利]训练图文检索模型的方法、多模态图像检索方法及装置-CN202110965035.9在审
发明人：冯原;龙翔;郑弘晖;辛颖;张滨;李超;王晓迪;谷祎;王云浩;彭岩;贾壮;韩树民 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-20 - 公布日： 2021-11-16 - 主分类号： G06F16/483 文献下载
摘要：具体实现方案为：获取样本数据，样本数据包括样本文本和样本图像，样本文本包括第一语种样本文本和第二语种样本文本；利用文本编码子模型处理第一语种样本文本和第二语种样本文本，得到样本数据的样本文本特征；利用图像编码子模型处理样本图像，得到样本数据的样本图像特征；以及根据样本文本特征和样本图像特征，对图文检索模型进行训练。
训练图文检索模型方法多模态图像装置

[发明专利]文本识别模型的训练方法以及相关设备-CN202111641315.0在审
发明人：周洁;田乐;周霄 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-12-29 - 公布日： 2023-07-11 - 主分类号： G06F18/214 文献下载
摘要：本申请公开了一种文本识别模型的训练方法以及相关设备，相关实施例可应用于云技术、人工智能、智慧交通等各种场景；可以获取多个样本文本和预训练后的文本识别模型；从样本文本的文本句中选取样本文本的关键文本句；根据各个样本文本和各个样本文本对应的关键文本句，构建样本数据对；通过预训练后的文本识别模型对样本数据对进行特征提取，得到样本数据对中样本文本的语义特征信息和关键文本句的语义特征信息；基于样本数据对中样本文本的语义特征信息和关键文本句的语义特征信息，对所述预训练后的文本识别模型的参数进行调整，得到训练后的文本识别模型。本申请无需对样本文本进行标注，节省了人力物力成本，提高了训练效率。
文本识别模型训练方法以及相关设备

[发明专利]基于正负样本的意图分类模型训练方法及装置-CN202210306598.1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： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种基于正负样本的意图分类模型训练方法及装置，该方法包括：获取训练数据，训练数据包括：目标类别、正样本文本和负样本文本，正样本文本是属于目标类别的文本，负样本文本是不属于目标类别的文本；获取未经训练的意图分类模型，并使用目标类别、正样本文本和负样本文本对意图分类模型进行训练，获得训练后的意图分类模型。通过使用属于目标类别的正样本文本和不属于目标类别的负样本文本对意图分类模型进行训练，有效地避免了只根据正样本文本训练意图分类模型，导致难以区分这部分文本表示向量的对应类别应该是属于目标类别或者其他类别的情况，从而提高了意图分类模型对文本内容进行意图识别的准确率。
基于正负样本意图分类模型训练方法装置

[发明专利]命名实体识别方法、模型训练方法、设备及存储介质-CN202210344549.7在审
发明人：蒋勇;王涛;谢朋峻 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-03-31 - 公布日： 2022-06-24 - 主分类号： G06F40/295 文献下载
摘要：其中，方法包括如下的步骤：获取待识别文本；将待识别文本输入至训练过的命名实体识别模型中，得到待识别文本的识别结果；其中，命名实体识别模型的训练过程包括：将第一样本文本、第二样本文本以及第三样本文本输入至命名实体识别模型中，得到第一样本文本、第二样本文本以及第三样本文本各自的识别结果；第二样本文本与第三样本文本语义相似；根据第一样本文本的识别结果与其期望识别结果之间的第一差异以及第二样本文本的识别结果与第三样本文本的识别结果之间的第二差异
命名实体识别方法模型训练设备存储介质

[发明专利]语言模型训练方法、文本预测方法以及装置-CN202211201583.5在审
发明人：李鹤 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-09-29 - 公布日： 2023-03-07 - 主分类号： G06F40/151 文献下载
摘要：本说明书实施例提供语言模型训练方法、文本预测方法以及装置，其中所述语言模型训练方法包括：获取第一样本集，其中，第一样本集包括多组样本文本对；利用引导模板，对各样本文本对分别进行格式转换，获得符合引导模板对应文本格式的多个转换样本文本；对各转换样本文本进行掩码处理，获得多个掩码样本文本；利用多个掩码样本文本，对掩码语言模型进行训练，获得预训练语言模型。通过利用引导模板对多组样本文本对统一进行格式转换，使得模型可以兼顾多种格式的样本文本对，提高模型的训练效率以及模型普适性，降低模型的维护成本。
语言模型训练方法文本预测以及装置

[发明专利]模型训练方法、文本处理方法及翻译系统-CN202310492323.6在审
发明人：武静;王书舒;樊楷;罗维;廖敏鹏;黄忠强 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-05-04 - 公布日： 2023-09-29 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种模型训练方法、文本处理方法及翻译系统。该模型训练方法包括：获取样本文本；确定样本文本对应的标签文本，标签文本和样本文本表达相同的语义，标签文本是根据预设改写规则对样本文本进行改写得到的文本，标签文本的字数小于样本文本的字数，标签文本的流畅度大于样本文本的流畅度，预设改写规则包括：标点修复、分段整合、语法校正和语音识别错误校正中的至少一项；根据样本文本和标签文本训练改写模型，得到训练完成的改写模型，能够训练得到改写模型，能够提高文本的简洁性。
模型训练方法文本处理翻译系统

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