“冯落落”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62个，建议您升级VIP下载更多相关专利

[发明专利]多轮问答系统意图分类和命名实体识别的研究方法-CN202111238190.7在审
发明人：冯卫森;冯落落;尹青山;高明;王建华 -专利权人：山东新一代信息产业技术研究院有限公司
申请日： 2021-10-25 - 公布日： 2022-01-21 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种多轮问答系统意图分类和命名实体识别的研究方法。其包括以下步骤：1)在进行意图分类时，通过对话状态追踪模块，将上下文的历史信息作为输入，传入了意图分类预测模型；2)在命名实体识别预测时，将本轮的意图识别结果作为特征，传入命名实体预测模型;3)将命名实体识别和意图分类通过一个多任务模型进行训练，并根据前两点的需要，对模型进行改进。本发明将NLU和DM直接改为双向模型，上下文信息能够提高意图分类的准确率，将命名实体识别和意图分类通过一个多任务模型Bert模型融合，可以方便进行部署。
问答系统意图分类命名实体识别研究方法

[发明专利]一种神经网络的关系抽取方法-CN202111079384.7在审
发明人：寇菲;冯落落;王建华;高明;尹青山 -专利权人：山东新一代信息产业技术研究院有限公司
申请日： 2021-09-15 - 公布日： 2022-01-07 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及自然语言处理领域，具体提供了一种神经网络的关系抽取方法，基于词依存信息类型映射记忆神经网络的关系抽取模型，利用上下文关联的词以及词与词之间的依存关系类型对上下文信息进一步建模，对上下文特征进行区分建模。与现有技术相比，本发明在上下文信息的建模过程中，融合依存信息，对不同的上下文特征进行区分建模，不会存在噪声的影响，对提升模型的上下文表征能力会有帮助，进而提升模型在关系抽取任务的性能。
一种神经网络关系抽取方法

[发明专利]一种基于主题和时间线摘要的报告生成方法及设备-CN202111004794.5在审
发明人：寇菲;冯落落;尹青山;王建华 -专利权人：山东新一代信息产业技术研究院有限公司
申请日： 2021-08-30 - 公布日： 2021-11-12 - 主分类号： G06F16/34 文献下载
摘要：本申请公开了一种基于主题和时间线摘要的报告生成方法及设备，方法包括：获取预设领域当天的新闻数据，对的新闻数据进行异构数据预处理，将新闻数据转化为统一格式；确定统一格式的新闻数据的基本信息，所述基本信息至少包括新闻的标题、新闻的发布时间、新闻的信息来源、新闻的文本内容；通过基本信息生成新闻主题，并根据基本信息确定新闻主题的重要等级，按照重要等级对主题进行排名；根据排名选取第一预设数量个新闻主题作为待发表主题，并为待发表主题生成对应的内容摘要，根据待发表主题与内容摘要生成今日简报。使用户能够更加直观地查阅当天所发生的重要事件。
一种基于主题时间摘要报告生成方法设备

[发明专利]一种用于云化机器人的FAQ自动问答方法、设备及介质-CN202110774150.8在审
发明人： 冯落落;尹青山;王建华 -专利权人：山东新一代信息产业技术研究院有限公司
申请日： 2021-07-08 - 公布日： 2021-10-08 - 主分类号： G06F16/332 文献下载
摘要：本说明书实施例公开了一种用于云化机器人的FAQ自动问答方法、设备及介质。用以解决现有技术中问答机器人问答效率和精度低，用户体验差的问题。该方案包括：根据语料库进行TF‑IDF模型训练，获得TF‑IDF模型以及所述分词结果对应的权重，并根据所述语料库进行word2vec模型训练，获得word2vec模型以及所述分词结果对应的词向量；通过所述权重对所述词向量进行相加，得到所述自定义问答信息对应的多个句向量，并生成句向量矩阵；基于用户输入的发问信息，确定所述发问信息对应的句向量，并确定所述发问信息对应的句向量与所述向量矩阵中的句向量的最大相似度，在所述最大相似度大于预设阈值时，返回所述发问信息对应的回答信息。
一种用于机器人 faq 自动问答方法设备介质

[发明专利]一种用于智能问答的纠错方法、设备及介质-CN202110698868.3在审
发明人： 冯落落;尹青山;王建华;高明 -专利权人：山东新一代信息产业技术研究院有限公司
申请日： 2021-06-23 - 公布日： 2021-09-28 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种用于智能问答的纠错方法、设备及介质，该方案包括：对获取到的语音数据进行语音识别，将所述语音数据转换为相应的文字数据；通过粒度检测法对所述文字数据进行错误检测，得到疑似错误的文字数据集；基于预先存储的同音词词典和形似词词典，对所述疑似错误的文字数据集进行替换；对替换得到的各文字数据进行正确性检验，并根据检验结果进行错误纠正。优化了云化机器人中的纠错模块功能，解决了云化机器人进行语音识别时出现错误识别的问题。
一种用于智能问答纠错方法设备介质

[发明专利]一种用于智能问答的文本嵌入式表达方法-CN202110511076.0在审
发明人： 冯落落;李锐;王建华 -专利权人：山东新一代信息产业技术研究院有限公司
申请日： 2021-05-11 - 公布日： 2021-08-10 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种用于智能问答的文本嵌入式表达方法，属于自然语言处理技术领域，通过无监督的对比学习与Bert预训练模型结合进行文本向量的提取，利用对比损失完成Bert模型的微调，实现过程包括：搭建Bert预训练模型，加载Bert预训练权重；依据新的数据集，进行Bert模型的微调，通过构建损失函数，使用优化器进行优化；利用无监督的对比学习方法微调Bert模型，获取向量表示用以构造所述损失函数；根据训练好的模型，获取相应的句子表示。本发明能够更好的进行文本向量的提取，使得提出来的文本向量具有更好的相似度分析能力，准确率更高。
一种用于智能问答文本嵌入式表达方法

[发明专利]一种智能问答实现方法及一种智能问答系统-CN202110094965.1在审
发明人： 冯落落;宋虎;李锐;王建华 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2021-01-25 - 公布日： 2021-06-01 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种智能问答实现方法及一种智能问答系统，属于智能问答技术领域，该智能问答实现方法采用检索式智能问答与基于知识图谱的智能问答相结合，基于云边端协同实现，云上部署有知识图谱，NLP相关模型和Elasticsearch；边上部署有语音识别模型和语音合成模型；终端设备上部署有语音采集装置及语音播放装置。本发明可以实现在高精度的情况下，提高问答系统的实时性，提升用户体验。
一种智能问答实现方法系统

[发明专利]一种基于云边端的水流管理系统、方法及设备-CN202011311399.7在审
发明人： 冯落落;宋虎;李锐;王建华 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-11-20 - 公布日： 2021-03-16 - 主分类号： H04N7/18 文献下载
摘要：本申请公开了一种基于云边端的水流管理系统，管理系统包括：若干水域监拍设备，用于采集水域的视频数据；视频数据管理平台，用于获取若干水域监拍设备的视频数据，并进行相应的处理，以生成各水域监拍设备的直播视频和/或录播视频；并与云平台连接，在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时，向云平台发送相应水域监拍设备的直播视频和/或录播视频；云平台，用于获取相应水域监拍设备的直播视频和/或录播视频，并发送监控平台。本申请在通信网络不好的时候，通过视频数据管理平台可以更快的获取各监拍设备对相应水域拍摄的视频数据，从而提高水域管理人员对水域管理的工作效率。
一种基于云边端水流管理系统方法设备

[发明专利]一种基于神经网络的暴力检测方法、装置、设备及介质-CN202011010026.6在审
发明人： 冯落落;李锐;王建华 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-09-23 - 公布日： 2021-01-29 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于神经网络的暴力检测方法、装置、设备及介质，包括：将待检测的视频发送至预先部署在云平台的暴力检测模型，确定出安全等级；根据所述安全等级判断所述待检测视频是否为暴力事件；若确定出所述待检测视频含有暴力事件，根据所述安全等级发出对应的警告信息。本说明书实施例提出了一种暴力检测模型，将该模型部署到云平台，可以提供暴力检测，并确定出安全等级，便于通知监测人员，使得暴力事件得到快速的解决，有利于社会的安定。此外，本说明书实施例为了更好进行暴力检测，使用视频作为输入的数据，也就是对视频进行检测，而不是针对图片，这样就能更好的利用视频的序列信息，可以极大的提高暴力检测模型的准确率。
一种基于神经网络暴力检测方法装置设备介质

[发明专利]一种目标检测模型的训练方法-CN202010707915.1在审
发明人： 冯落落;李锐;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-07-22 - 公布日： 2020-12-04 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种目标检测模型的训练方法，其特征在于，所述方法包括：获取预先训练的第一模型与第二模型，所述第一模型包括处理模块，其中，所述处理模块包括DWConv以及PWConv，所述第二模型包括VGG16模块；根据所述第一模型与所述第二模型，确定出初始的目标检测模型；根据第一数据集训练所述初始的目标检测模型，确定出符合条件的目标检测模型。本申请实施例通过第一模型与第二模型构建目标检测模型，优化目标检测模型的大小，使得目标检测模型可以更好的部署在外部设备中，完成目标检测任务。
一种目标检测模型训练方法

[发明专利]一种网络模型部署方法、设备及介质-CN202010432408.1在审
发明人： 冯落落;李锐;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-05-20 - 公布日： 2020-10-09 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种网络模型部署方法、设备及介质，包括：建立初始的学生网络模型；获取预先训练的教师网络模型；根据知识蒸馏的方式与所述教师网络模型训练所述初始的学生网络模型，得出符合条件的学生网络模型，其中，所述知识蒸馏的方式采用GAN网络架构；将所述符合条件的学生网络模型进行量化操作，并将量化后的所述学生网络模型部署在预设系统中。本申请实施例通过知识蒸馏的方式训练学生网络，并将训练的学生网络进行量化操作，并可以将量化后的网络模型部署到预设系统中。
一种网络模型部署方法设备介质

[发明专利]一种茶饼类别识别方法、设备及介质-CN202010387385.7在审
发明人： 冯落落;李锐;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-05-09 - 公布日： 2020-09-11 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种茶饼类别识别方法，所述方法包括：将茶饼图片输入至预先训练的茶饼类别识别模型，其中，所述茶饼类别识别模型通过优化算法进行模型训练；根据所述茶饼类别识别模型确定出所述茶饼图片对应的特征向量；根据所述特征向量在预先存储的特征向量中筛选出符合要求的特征向量，并根据所述符合要求的特征向量识别出所述茶饼图片对应的茶饼类别。本申请实施例通过将茶饼图片输入至预先训练的茶饼类别识别模型，可以更准确的确定出茶饼图片对应的茶饼类别。
一种类别识别方法设备介质

[发明专利]一种神经网络模型的部署方法、设备及介质-CN202010387398.4在审
发明人： 冯落落;李锐;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-05-09 - 公布日： 2020-09-11 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络模型的部署方法、设备及介质，包括：在预设的学习框架上训练神经网络模型；根据优化算法对所述神经网络模型中的网络结构进行修改，并根据修改后的网络结构训练所述神经网络模型；将训练好的神经网络模型转化为预先设定的格式，并将转化格式的神经网络模型部署到预先设定的设备中。本申请实施例通过在预设的学习框架上训练神经网络模型，使得神经网络模型的参数量更少，同时，通过优化算法对神经网络模型中的网络结构进行修改，可以减少神经网络模型中的参数量。
一种神经网络模型部署方法设备介质

[发明专利]一种基于手机平台的深度视频压缩框架的实现方法-CN202010104794.1在审
发明人： 冯落落;李锐;乔廷慧 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-02-20 - 公布日： 2020-06-09 - 主分类号： H04N19/42 文献下载
摘要：本发明提供一种基于手机平台的深度视频压缩框架的实现方法，属于图像分类、目标检测、人脸识别等领域，该方法的实现步骤如下：S1、搭建整个视频压缩网络，使用多个不同场景的视频进行模型的训练，获得一个训练好的大网络，然后把网络的图模型和参数信息进行保存；S2、然后把训练好的模型进行剪枝和量化处理；S3、剪枝和量化都是对每一层分别进行，使用霍夫曼编码对整个网络中的权重进行霍夫曼编码，然后进行存储。本发明在精度损失不大的情况下，利用剪枝、量化和霍夫曼编码对深度视频压缩模型进行压缩，使得模型是原来的1/100倍左右，从而可以将基于深度学习的视频压缩框架很方便的部署到手机设备中。
一种基于手机平台深度视频压缩框架实现方法

[发明专利]基于GAN的图片压缩系统构建方法、压缩系统及方法-CN201911240766.6在审
发明人： 冯落落;李锐;金长新 -专利权人：山东浪潮人工智能研究院有限公司
申请日： 2019-12-06 - 公布日： 2020-04-21 - 主分类号： H04N19/124 文献下载
摘要：本发明公开了一种基于GAN的图片压缩系统构建方法、压缩系统及方法，属于图片压缩领域，要解决的技术问题为如何有效的保存图片，捕获全局语义信息和局部纹理信息。构建方法包括如下步骤：构建编码器；构建量化器；构建熵编码器，并得到熵编码损失函数；构建解码器；通过训练图片和重构图片构造图片损失函数；通过判别器构造对抗损失函数；对熵编码损失函数、图片损失函数和对抗损失函数之和进行迭代计算，得到训练后图片压缩系统构。压缩方法为通过上述训练后统构进行压缩。终端中处理器被配置用于调用程序指令执行上述构建方法。存储介质中程序指令当被处理器执行时所述处理器执行上述构建方法。
基于 gan 图片压缩系统构建方法