“河北尚云信息科技有限公司”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]基于气象领域知识图谱的问答系统装置及问答方法-CN201910153832.X有效
发明人：江跃华;周二亮;刘伟;朱玉 -专利权人： 河北尚云信息科技有限公司
申请日： 2019-03-01 - 公布日： 2023-08-08 - 主分类号： G06F16/332 文献下载
摘要：本发明属于自然语言处理的问答系统领域，尤其涉及气象问答领域的方法及装置。装置包括：气象领域的知识图谱构建模块，问题解析模块，数据聚合模块，答案生成模块。该系统接收用户提出的问题，并通过问题解析模块使用自然语言处理的方式解析用户所提出的关于天气的问题，并排除不合理的问题；根据知识图谱中所存储的天气知识来判断实时的天气数据是否符合该天气信息，根据用户所提的问题，生成相应的答案，反馈给用户。对于结构不固定，类型多样的天气、生活和其他类的规则，可以方便的进行存储与查询。
基于气象领域知识图谱问答系统装置方法

[发明专利]意图识别方法、装置、电子设备及存储介质-CN202211585258.3有效
发明人：江跃华;王英超;孔祥瑞;郝启志;周二亮 -专利权人： 河北尚云信息科技有限公司
申请日： 2022-12-09 - 公布日： 2023-07-07 - 主分类号： G06F40/30 文献下载
摘要：本申请提供一种意图识别方法、装置、电子设备及存储介质，该方法包括：获取意图文本并对意图文本进行分词处理构建意图识别样本集；对意图识别样本集进行专业术语增强得到第一样本集、进行依存句法结构增强得到第二样本集，并进行语义信息补充得到第三样本集；根据第一样本集和词法意图识别模型计算词法意图置信度、根据第二样本集和句法意图识别模型计算句法意图置信度并根据第三样本集和语义意图识别模型计算语义意图置信度；根据词法意图置信度、句法意图置信度和语义意图置信度确定意图文本的目标意图。本申请综合多种模型进行意图识别，提升小样本意图识别过程中文本意图学习鲁棒性，优于单个模型识别效果，提升整体文本意图识别效率。
意图识别方法装置电子设备存储介质

[发明专利]一种MIDI音乐生成方法、装置及终端设备-CN202211404161.8在审
发明人：高凯;刘一贺;周二亮 -专利权人：河北科技大学;河北尚云信息科技有限公司
申请日： 2022-11-10 - 公布日： 2023-03-14 - 主分类号： G10H1/00 文献下载
摘要：本发明适用于计算机技术领域，提供了一种MIDI音乐生成方法、装置及终端设备，该方法包括：对原始MIDI音乐数据进行预处理，得到音符轨道和和弦轨道；基于音符轨道和和弦轨道得到MCST元素和和弦元素；基于MCST元素和和弦元素得到第一预测模型和第二预测模型；将随机MIDI音乐片段输入第一预测模型，生成中间MCST片段，将生成中间MCST片段输入第二预测模型，进行和弦替换，生成新的MIDI音乐。本发明能够提高音乐的流畅度和和谐度，还能丰富音乐的多样性。
一种 midi 音乐生成方法装置终端设备

[发明专利]基于情感判定的多轮对话生成方法、装置及终端设备-CN202211223323.8在审
发明人：高凯;勾智楠;周二亮;赵天龙;董超 -专利权人：河北科技大学;河北尚云信息科技有限公司;河北经贸大学
申请日： 2022-10-08 - 公布日： 2022-12-16 - 主分类号： G06F16/332 文献下载
摘要：本申请适用于人机对话技术领域，提供了基于情感判定的多轮对话生成方法、装置及终端设备，该方法包括：获取对话信息；通过情感分类器识别对话信息中的第一情感信息，其中，情感分类器基于分类模型对对话信息包含的情绪进行识别和分类，第一情感信息表征对话信息的情感；基于第一情感信息，采用情感转移数学模型确定第二情感信息，其中，第二情感信息为多种第一情感信息中的一种情感信息，情感转移数学模型用于基于对话时间以及对话轮次确定第二情感信息；通过对话生成模型根据第二情感信息，输出含有第二情感信息的本轮对话。本申请可以提高情感分类器的识别精度，提升用户使用人机对话系统的体验感。
基于情感判定轮对生成方法装置终端设备

[发明专利]开放关系抽取方法、设备及存储介质-CN202210910590.6在审
发明人：高凯;赵康;仇元喆;周二亮;勾智楠;董超 -专利权人：河北科技大学;河北尚云信息科技有限公司
申请日： 2022-07-29 - 公布日： 2022-10-18 - 主分类号： G06F40/205 文献下载
摘要：本发明提供了一种开放关系抽取方法、设备及存储介质，其首先获取开放域文本中的关系实例，然后根据预训练的编码器对无标签数据进行编码，得到无标签数据对应的关系表示，同时对无标签数据对应的关系表示进行聚类，得到伪标签数据，最后根据伪标签数据、有标签数据以及神经网络模型，确定出开放域文本的关系抽取结果。由于关系实例包括有标签数据和无标签数据，编码器根据有标签数据和度量学习算法预训练得到，因此通过该编码器可以从关系实例中抽取语义关系表示，进而对抽取的语义关系交替执行聚类和度量学习，即对有标签数据进行知识迁移，并将无标签数据和迁移的知识结合，以更新关系实例的语义关系表示，从而实现对开放域文本的充分利用。
开放关系抽取方法设备存储介质