“陈钰枫”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27个，建议您升级VIP下载更多相关专利

[发明专利]生成对抗样本的方法、装置、设备、存储介质及程序产品-CN202210161770.9在审
发明人：赖思羽;杨振;孟凡东;陈钰枫;徐金安 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-22 - 公布日： 2023-09-01 - 主分类号： G06F40/58 文献下载
摘要：本申请实施例提供了一种生成对抗样本的方法、装置、设备、存储介质及程序产品，涉及人工智能领域，应用场景包括但不限于机器翻译等场景。该方法包括：获取待翻译的源文本和源文本对应的目标文本；确定源文本对应的待识别对抗样本，以及目标文本对应的待识别对抗样本；基于源文本和源文本对应的待识别对抗样本，确定第一相似度下降率；并基于源文本、目标文本和目标文本对应的待识别对抗样本，确定第二相似度下降率；若第一相似度下降率大于预设第一相似度下降率阈值，且第二相似度下降率小于预设第二相似度下降率阈值，则确定源文本对应的待识别对抗样本为源文本的对抗样本，以及目标文本对应的待识别对抗样本为目标文本的对抗样本。
生成对抗样本方法装置设备存储介质程序产品

[发明专利]翻译方法、装置、电子设备以及计算机可读存储介质-CN202210142644.9在审
发明人：梁棋棋;刘宜进;孟凡东;陈钰枫;徐金安 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-16 - 公布日： 2023-08-29 - 主分类号： G06F40/45 文献下载
摘要：本申请实施例提供了一种翻译方法、装置、电子设备以及计算机可读存储介质，涉及人工智能、自然语言处理、多媒体及云技术领域。该方法包括：获取源语言的待翻译文本，通过训练好的翻译模型对待翻译文本进行翻译，得到待翻译文本对应于目标语言的目标文本；该翻译模型是通过以下方式训练得到的：获取包括源语言的第一文本和第一文本对应于目标语言的第二文本的多个训练样本；根据每个样本的第一文本和第二文本中相匹配的各单词对在两个文本中的位置偏置，确定每个样本对应的训练损失权重；基于多个样本及其对应的训练损失权重对初始神经网络模型进行迭代训练得到翻译模型。基于该方法，能够有效提升翻译效果。
翻译方法装置电子设备以及计算机可读存储介质

[发明专利]数据处理方法、装置、计算机设备及计算机可读存储介质-CN202210143195.X在审
发明人：梁棋棋;刘宜进;孟凡东;陈钰枫;徐金安 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-16 - 公布日： 2023-08-29 - 主分类号： G06F40/49 文献下载
摘要：本申请公开了数据处理方法、装置、计算机设备及计算机可读存储介质，应用于计算机技术领域。该方法包括：获取待处理数据序列；调用数据转换模型对待处理数据序列进行处理，得到待处理数据序列中各个待处理数据对应的目标数据，该数据转换模型对应的训练样本包括源词序列以及对应的目标词序列，该数据转换模型是基于训练样本以及目标词序列中的每个目标词的对齐偏置进行训练得到的，该对齐偏置为每个目标词相对于源词序列中对应源词的偏移数据；输出各个待处理数据对应的目标数据。本申请可以应用于同步机器翻译等各种数据转换场景，能够提高数据转换的准确性。
数据处理方法装置计算机设备可读存储介质

[发明专利]多模态对话翻译方法、装置、电子设备及存储介质-CN202210141138.8在审
发明人：梁云龙;孟凡东;徐金安;陈钰枫 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-16 - 公布日： 2023-08-29 - 主分类号： G06F40/58 文献下载
摘要：本申请提供一种多模态对话翻译方法、装置、电子设备及存储介质，涉及计算机技术领域。在基于源语言获取到待翻译对话文本和历史对话文本后，可以确定待翻译对话文本和历史对话文本之间的上下文关系，以及发言对象的对话表达特征，并分别对待翻译对话文本对应的至少一个场景图像进行特征提取，得到相应的图像特征集合，将上下文关系、对话表达特征和图像特征集合进行融合，得到多模态对话特征，并基于目标语言对多模态对话特征进行翻译，获得目标翻译对话文本。由于引入了相应的场景图像，并从场景图像中提取出有效的图像信息，从而可以得到更加准确的目标翻译文本，且得到的目标翻译文本能更好地切合当前的对话场景。
多模态对话翻译方法装置电子设备存储介质

[发明专利]视频对话的翻译方法、装置、设备、存储介质及程序产品-CN202210141490.1在审
发明人：梁云龙;孟凡东;徐金安;陈钰枫 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-16 - 公布日： 2023-08-29 - 主分类号： G06F40/58 文献下载
摘要：本申请提供了一种视频对话的翻译方法、装置、设备、存储介质及程序产品；方法包括：获取视频的对话文本，从对话文本中获取待翻译语句；从视频中提取与待翻译语句同步的图像；对图像和待翻译语句进行第一编码处理，得到与待翻译语句对应的多模态上下文，其中，多模态上下文包括待翻译语句中的每个词分别对应的多模态词向量；基于多模态上下文进行解码处理，得到待翻译语句中每个词的翻译结果；其中，待翻译语句中的后序词是根据前序词的翻译结果、以及多模态上下文中后序词对应的多模态词向量进行解码处理得到。通过本申请能够有效提高视频对话翻译的准确性。
视频对话翻译方法装置设备存储介质程序产品

[发明专利]翻译模型训练方法、装置、计算机设备及存储介质-CN202210138704.X在审
发明人：梁云龙;孟凡东;徐金安;陈钰枫 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-15 - 公布日： 2023-08-25 - 主分类号： G06F40/42 文献下载
摘要：本申请实施例公开了一种翻译模型训练方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：获取样本数据集合；调用待训练的翻译模型，基于第一历史语句，对第一样本语句进行翻译，得到第一样本语句对应的第一翻译语句，基于翻译模型的第一损失函数和第一翻译语句，确定第一梯度参数；调用辅助模型，基于样本数据集合中的辅助历史语句进行处理，得到辅助模型的输出结果，基于辅助模型的第二损失函数和辅助模型的输出结果，确定第二梯度参数；基于第一梯度参数和第二梯度参数，更新翻译模型对应的模型参数。该方法能够增强翻译模型所翻译出的翻译语句与位于该翻译语句之前的语句之间的连贯性，从而提高了翻译模型的准确性。
翻译模型训练方法装置计算机设备存储介质

[发明专利]基于深度学习的文本机器人训练方法、系统、设备及介质-CN202310538987.1在审
发明人：吴强;田凤占;江世林;周光杰;陈钰枫;徐金安 -专利权人：北京天润融通科技股份有限公司;北京交通大学
申请日： 2023-05-12 - 公布日： 2023-07-21 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于深度学习的文本机器人训练方法、系统、设备及介质，所述方法包括：基于原始意图整理预设数量的种子语料，将种子语料导入到文本机器人知识库中；识别所有意图中的问题数据，并对问题数据进行修正；所有意图包括原始意图和种子语料；对所有意图进行批量扩写；识别扩写后的意图中是否包含混淆语料；当包含时，对混淆语料进行修正；通过原始意图、种子语料和扩写后的修正意图训练文本机器人模型；验证文本机器人模型是否符合预期；当不符合预期时，通过对单个意图进行扩写或对单个语料做调整或扩写，再次训练文本机器人模型，直至文本机器人模型符合预期。通过本公开的处理方案，可以高效、准确的对文本机器人进行训练。
基于深度学习文本机器人训练方法系统设备介质

[发明专利]一种文本处理的方法、相关装置及设备-CN202110881719.0在审
发明人：梁云龙;孟凡东;徐金安;陈钰枫 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-08-02 - 公布日： 2023-02-17 - 主分类号： G06F40/58 文献下载
摘要：本申请实施例公开了一种文本处理的方法、相关装置及设备，用于降低文本处理的复杂度，提高文本处理的效率。本申请实施例方法包括：获取待处理文本所对应的N个词嵌入向量，待处理文本属于第一语种所对应的文本，根据N个词嵌入向量生成目标嵌入向量，将目标嵌入向量输入至第一先验网络，通过第一先验网络输出第一隐向量，将目标嵌入向量输入至第二先验网络，通过第二先验网络输出第二隐向量，将第一隐向量、第二隐向量以及目标嵌入向量输入至第三先验网络，通过第三先验网络输出第三隐向量，第三隐向量为文本摘要属于第二语种的向量表示，根据第三隐向量以及目标嵌入向量，生成待处理文本的摘要文本。
一种文本处理方法相关装置设备

[发明专利]词对齐方法、装置、存储介质、电子设备及产品-CN202211020972.8在审
发明人：赖思羽;杨振;孟凡东;陈钰枫;徐金安 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-08-24 - 公布日： 2022-11-04 - 主分类号： G06F40/58 文献下载
摘要：本申请公开了一种词对齐方法、装置、存储介质、电子设备及产品，涉及人工智能技术领域，本申请可以应用于区块链、云技术及地图车联网等领域，该方法包括：获取源语句以及所述源语句对应的目标语句；对所述源语句进行编码，得到源语句编码特征；对所述目标语句进行编码，得到目标语句编码特征；将所述源语句编码特征与所述目标语句编码特征进行交叉融合处理，得到所述源语句及所述目标语句对应的跨语言编码特征；基于所述源语句及所述目标语句对应的跨语言编码特征进行对齐处理，得到所述源语句与所述目标语句的词对齐结果。本申请可以有效提升词对齐的准确性。
对齐方法装置存储介质电子设备产品

[发明专利]一种数据处理方法、装置、计算机设备及存储介质-CN202210140138.6在审
发明人：刘宜进;张松鸣;孟凡东;陈钰枫;徐金安 -专利权人：腾讯科技（深圳）有限公司;北京交通大学
申请日： 2022-02-15 - 公布日： 2022-05-24 - 主分类号： G06F40/44 文献下载
摘要：本申请实施例公开了一种数据处理方法、装置、计算机设备以及存储介质。其中方法包括：获取样本语料集，样本语料集包括目标样本语料对，目标样本语料对包括第一样本语句和第二样本语句，第二样本语句是第一样本语句翻译后的语句；根据第一样本语句和第二样本语句中j‑1个数据对第二样本语句中第j个数据进行概率预测处理，得到第j个数据的第一预测概率；根据前j‑1个数据对第二样本语句的第j个数据进行概率预测处理，得到第j个数据的第二预测概率；根据第j个数据的第一预测概率和第二预测概率对初始模型进行训练，得到目标模型；获取输入语句，将输入语句输入目标模型，生成翻译后的输出语句。以使得文本翻译更准确，提高数据处理准确性。
一种数据处理方法装置计算机设备存储介质

[发明专利]一种模型训练的方法、相关装置及设备-CN202110888099.3在审
发明人：梁云龙;孟凡东;徐金安;陈钰枫 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-08-03 - 公布日： 2022-04-12 - 主分类号： G06F40/44 文献下载
摘要：本申请实施例公开了一种模型训练的方法、相关装置及设备，用于提高模型生成译文的连贯性以及准确性。本申请实施例方法包括：获取源端文本集合、目标文本集合以及训练样本对，将源端文本集合、目标文本集合以及期望目标文本作为对话理解模型的输入，输出第一文本序列、第二文本序列以及文本相似度，第一文本序列以及第二文本序列对应于第二语种，文本相似度表示期望目标文本与目标文本集合的关联程度，将源端文本集合以及训练样本对作为文本翻译模型的输入，通过文本翻译模型获取第三文本序列，第三文本序列对应于第二语种，根据第一文本序列、第二文本序列、文本相似度、第三文本序列以及期望目标文本，对文本翻译模型的模型参数进行更新。
一种模型训练方法相关装置设备

[发明专利]一种文本处理方法、系统及存储介质和终端设备-CN202110902041.X在审
发明人：梁云龙;孟凡东;徐金安;陈钰枫 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-08-06 - 公布日： 2022-04-12 - 主分类号： G06F16/33 文献下载
摘要：本发明实施例公开了一种文本处理方法、系统及存储介质和终端设备，应用于基于人工智能的信息处理技术领域。在预训练跨语言摘要模型的过程中确定的初始训练模型中包括了三个支路的编码后处理模块，分别对应三个不同的任务，即确定翻译信息、单语言摘要信息和跨语言摘要信息，而这三个任务共享了同一特征编码模块和同一特征提取模块，由于确定跨语言摘要信息这个任务可以是确定翻译信息和单语言摘要信息这两个子任务的整合，在训练跨语言摘要模型的过程中利用了实现这三个任务的信息，同时考虑到了确定跨语言摘要信息这个整体任务及其包括的子任务，使得训练得到的跨语言摘要模型在提取跨语言摘要信息时更准确。
一种文本处理方法系统存储介质终端设备

[发明专利]对话回复的生成方法、装置、设备及存储介质-CN202111189305.8在审
发明人：徐金安;崔福伟;陈钰枫;刘健 -专利权人：北京交通大学
申请日： 2021-10-12 - 公布日： 2022-03-08 - 主分类号： G06F16/332 文献下载
摘要：本申请公开了一种对话回复的生成方法、装置、设备及存储介质，属于计算机技术领域，该方法包括：获取输入对话序列；根据输入对话序列获取上下文语义信息、知识信息和句法信息，其中，知识信息包括与输入对话序列在内容上关联的知识向量，句法信息包括多样的句法向量；根据上下文语义信息、知识信息和句法信息，生成输入对话序列的对话回复。该方法生成的对话回复兼顾了知识准确性与回复多样性之间的平衡，提升了生成的对话回复的质量。
对话回复生成方法装置设备存储介质

[发明专利]机器翻译模型的训练方法、机器翻译方法、装置及设备-CN202111389048.2在审
发明人： 陈钰枫;梁晓珂;王帅博;徐金安;李翔 -专利权人：北京交通大学
申请日： 2021-11-22 - 公布日： 2022-03-08 - 主分类号： G06F40/58 文献下载
摘要：本申请公开了一种机器翻译模型的训练方法、机器翻译方法、装置及设备，属于计算机技术领域，该方法包括：获取训练样本集，训练样本集包括训练样本及该训练样本对应的标准翻译文本；将训练样本及训练样本对应的标准翻译文本输入机器翻译模型中，获取机器翻译模型在反向传播过程中产生的梯度向量；基于梯度向量和多个噪音词为训练样本生成对抗样本；基于训练样本和对抗样本对机器翻译模型进行对抗训练，得到目标机器翻译模型。该训练方法生成的对抗样本对机器翻译模型攻击性较大，并且增加了训练数据的多样性，由此提高了机器翻译模型的鲁棒性，进而提高了机器翻译模型的翻译性能，使得通过机器翻译模型得到的翻译结果更加准确。
机器翻译模型训练方法装置设备

[发明专利]训练评分模型的方法、装置、终端及存储介质-CN202111069233.3在审
发明人：徐金安;黄辉;狄慧;刘健;陈钰枫 -专利权人：北京交通大学;东芝（中国）有限公司
申请日： 2021-09-13 - 公布日： 2021-12-24 - 主分类号： G06F40/51 文献下载
摘要：本申请公开了一种训练评分模型的方法、装置、终端及存储介质，属于互联网技术领域。该方法包括：获取样本原文、第一样本译文以及至少一个第二样本译文，其中，第一样本译文的语义和样本原文对应的语义相同，第二样本译文的语义与第一样本译文的语义不同；将样本原文和第一样本译文输入评分模型，得到第一样本译文对应的第一样本分数，将样本原文分别和每个第二样本译文输入评分模型，得到每个第二样本译文对应的第二样本分数；基于第一样本分数以及至少一个第二样本分数，确定损失信息；基于损失信息，对评分模型进行调整。可见，本申请实施例解决了在没有样本译文对应的基准分数下，无法对评分模型进行训练的问题。
训练评分模型方法装置终端存储介质

1
2
下一页»
尾页
共 27 条