“谢铁”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]一种基于概率转移改善问答系统上下文的方法-CN201910641706.9有效
发明人：谢铁 -专利权人：广州探域科技有限公司
申请日： 2019-07-16 - 公布日： 2023-09-15 - 主分类号： G06F16/332 文献下载
摘要：一种基于概率转移改善问答系统上下文的方法，属于数据处理方法技术领域，采用分类算法和概率转移矩阵A对于用户问题数据进行处理，(1)对系统预设标注数据；(2)接收用户问题，进行预处理，获得处理数据；(3)通过分类算法对标注数据进行训练，获得意图分类模型；然后，将标注数据输送至概率转移矩阵A进行训练，获得初始化的概率转移矩阵A；(4)对处理数据进行预测，获得预测标签的分布P；本发明提供了一种结合上下文的意图识别方法，通过本方法，可以无需准备带上下文场景的标注数据，节省了人力成本；通过概率转移矩阵A的自我学习能力，能够随着使用时间的变化，整个系统的精准度越来越高。
一种基于概率转移改善问答系统上下文方法

[发明专利]用于辅助标注模型训练数据的方法及系统-CN202110356694.2在审
发明人：谢铁 -专利权人：苏宁金融科技（南京）有限公司
申请日： 2021-04-01 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开用于辅助标注模型训练数据的方法及系统，其中该方法包括：S1、构建两个训练集；S2、训练两个与所述训练集一一对应的分类器，通过两个分类器分别预测对方训练集中训练数据的类别，获取预测结果与作业人员标注的类别不一致的错误数据，并从所述错误数据中提取错误特征；S3、更新待标注数据池，并基于新的待标注数据池获取多个新的训练数据并分发到两个训练集中；S4、基于两个新的训练集重复上述步骤S2‑S3，直至两个训练集中的训练数据总数量达到预设值，将两个训练集中所有的训练数据导出。用于辅助标注模型训练数据的系统采用上述方法，筛选出一些有价值的模型训练数据，实现了在模型训练数据的标注过程中同时提高标注效率与标注质量。
用于辅助标注模型训练数据方法系统

[发明专利]一种问答语句的处理方法、装置及电子设备-CN202110724705.8在审
发明人：谢铁;杨梦影 -专利权人：南京星云数字技术有限公司
申请日： 2021-06-29 - 公布日： 2021-09-03 - 主分类号： G06F16/332 文献下载
摘要：本申请公开了一种问答语句的处理方法、装置及电子设备，方法包括根据预设的问答拆分规则，将所述会话记录拆分为对应的问答组，所述问答组包括至少一个所述提问语句及至少一个所述答复语句；根据所述问答组包括的所述提问语句的数量及所述答复语句的数量，确定所述问答组对应的处理规则；根据所述问答组对应的处理规则，将所述问答组拆分为对应的语句对；根据所述语句对，更新问答系统的知识库，本申请通过会话进行细粒度的拆分，实现了根据历史问答记录对问答系统知识库进行更新，解决了现有技术中无法对人工对话数据包括的提问语句和答复语句进行分析挖掘导致知识库更新缓慢、影响答复成功率的问题。
一种问答语句处理方法装置电子设备

[发明专利]一种智能问答方法、装置、计算机设备及存储介质-CN202110304689.7在审
发明人：杜柏圣;谢铁 -专利权人：苏宁金融科技（南京）有限公司
申请日： 2021-03-22 - 公布日： 2021-07-02 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种智能问答方法、装置、计算机设备及存储介质，该方法包括：对接收到的当前用户发出的问题语句进行分词处理，获取问题语句的分词结果，根据预设决策模型以及预设规则确定问题语句的问答场景，当操作场景为问答场景时，利用预设的分类模型以及分词结果识别问题语句的当前用户意图以及当前业务场景，将识别结果与当前用户进行关联保存，并根据识别结果确定问题语句的目标计算规则，根据目标计算规则对问题语句的分词结果进行相应计算，获取计算结果，根据计算结果生成预设格式的结果数据，以便当前用户查看。本发明通过，通过综合考虑问题语句的业务场景和用户意图，提高了回答问题的准确度，从而提升用户体验。
一种智能问答方法装置计算机设备存储介质

[发明专利]一种基于seq2seq模型的语义相似度计算方法-CN201911173879.9在审
发明人：何鹏;谢铁 -专利权人：杭州微洱网络科技有限公司
申请日： 2019-11-26 - 公布日： 2020-02-21 - 主分类号： G06F40/30 文献下载
摘要：一种基于seq2seq模型的语义相似度计算方法，涉及语义识别技术领域；包括以下步骤：S1、构建训练数据；S2、文本预处理：去除一些对判断句子语义无关的特殊字符，对于文本中的链接、地名等信息进行归一化，映射为统一的字符；S3、构建基于字粒度的字典，将文本映射为对应字典中的索引值，并输入Seq2seq模型进行训练；S4、使用seq2seq模型的encoder部分进行用户提问句子的特征向量提取；S5、通过计算特征向量间的相似度，从而匹配到与用户提问最相关的问法，将该问法对应的回复作为提问的回答。本发明不需要像孪生网络那样构建大量的正负样例，只需相同问法下的示例两两构建pair进行训练，训练需要的数据量相对较少。
一种基于 seq2seq 模型语义相似计算方法