“侯翠琴”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41个，建议您升级VIP下载更多相关专利

[发明专利]佛学知识图谱构建方法、装置、设备及存储介质-CN202110311410.8在审
发明人：程华东;张翔;侯翠琴;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2021-03-24 - 公布日： 2021-10-08 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及大数据领域，公开了一种佛学知识图谱构建方法、装置、设备及存储介质，用于构建佛学领域的知识图谱，该方法包括：利用网页爬虫工具从预设的数据源中爬取佛学知识图谱构建知识；根据所述佛学知识图谱构建知识的数据来源确定对应的知识提取方式；根据所述知识提取方式对所述佛学知识图谱构建知识进行知识提取，得到佛学知识数据；提取所述佛学知识数据中的实体、所述实体的属性信息以及各所述实体之间的关系信息；调用预置融合算法对各所述实体、各所述实体的属性信息以及各所述实体之间的关系信息进行融合，得到图谱数据；根据所述图谱数据构建佛学知识图谱。此外，本发明还涉及区块链技术，佛学知识图谱构建知识可存储于区块链中。
佛学知识图谱构建方法装置设备存储介质

[发明专利]佛学数据收集方法、装置、设备及存储介质-CN202110301859.6在审
发明人：程华东;张翔;侯翠琴;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2021-03-22 - 公布日： 2021-09-28 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及大数据领域，公开了一种佛学数据收集方法、装置、设备及存储介质。本方法包括：获取数据采集需求和解析标签，并根据数据采集需求，确定数据供应方；调用预置数据请求接口，获取佛学源数据，同时，根据解析标签，对佛学源数据进行结构化解析，得到原始佛学数据；对原始佛学数据进行数据去重，得到目标佛学数据，并将目标佛学数据存储至预置数据库，构建佛学知识图谱数据库。对数据进行严格的结构化解析，解决了数据丢失，降低了数据库中数据的冗余率，提升了数据收集系统的稳定性。
佛学数据收集方法装置设备存储介质

[发明专利]基于神经网络的语言模型训练方法和装置-CN201710217479.8有效
发明人：杨铭;侯翠琴;张姝;孙俊 -专利权人：富士通株式会社
申请日： 2017-04-05 - 公布日： 2021-09-17 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及基于神经网络的语言模型训练方法和装置。该方法包括：针对训练集中的每一个目标词，利用噪声生成网络生成目标词特征和噪声词特征，其中，目标词特征和噪声词特征具有各自对应的类别标签；利用上下文神经网络提取目标词的上下文特征；将目标词特征、噪声词特征以及上下文特征构成训练样本输入二分类器；迭代更新噪声生成网络的参数和上下文神经网络的参数，直到二分类器的预测误差接近预定值时停止更新；以及用训练得到的上下文神经网络作为语言模型。根据本发明的方法和装置可以训练得到一种收敛速度较快同时泛化能力较好的语言模型。
基于神经网络语言模型训练方法装置

[发明专利]信息处理方法和基于文本生成图像的装置-CN201710379515.0有效
发明人： 侯翠琴;夏迎炬;杨铭;张姝;孙俊 -专利权人：富士通株式会社
申请日： 2017-05-25 - 公布日： 2021-09-10 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了信息处理方法和基于文本生成图像的装置。所述方法包括：从样本文本中提取表征样本文本中的词之间的关联性的文本特征；以尺寸变化的窗口来选择性地截取文本特征的各个局部，以得到各个局部文本特征；基于样本文本的各个局部文本特征和与样本文本对应的样本图像来训练图像生成模型，其中，图像生成模型包括编码器模块和解码器模块，训练后的图像生成模型中的解码器模块根据所输入的文本的各个局部文本特征来迭代地生成与所输入的文本对应的图像，并且各个局部文本特征分别在各次迭代中截取。
信息处理方法基于文本生成图像装置

[发明专利]多人佛乐生成方法、装置、设备及存储介质-CN202110311457.4在审
发明人： 侯翠琴;文彬;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2021-03-24 - 公布日： 2021-07-09 - 主分类号： G10H7/00 文献下载
摘要：本发明涉及人工智能技术领域，公开了一种多人佛乐生成方法、装置、设备及存储介质，该多人佛乐生成方法包括：获取待转换的经文内容，并分析经文内容的经文风格和提取经文内容中的经文段落文本；根据经文风格，从预设的声音特征库中选择至少两个人物特征并依次输入至预设的条件生成模型中，对经文段落文本进行吟唱模拟，得到与至少两个人物特征对应的声学特征；利用声码器，将至少两个声学特征转换为声音波形；获取与经文风格相匹配的佛教背景音乐；将声音波形和佛教背景音乐进行特征融合，生成与经文内容对应的佛乐。本发明可根据不同的经文内容和风格生成多人唱经佛乐，大大减少采集多人佛乐的成本并可快速生成更丰富和真实的多人佛乐。
多人佛乐生成方法装置设备存储介质

[发明专利]直播平台画像的构建方法、装置、设备及存储介质-CN202110301895.2在审
发明人：陈聪;侯翠琴;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2021-03-22 - 公布日： 2021-06-22 - 主分类号： G06F16/635 文献下载
摘要：本发明涉及人工智能领域，公开了直播平台画像的构建方法、装置、设备及存储介质，用于提高音乐文化内容的查询效率。直播平台画像的构建方法包括：获取音乐直播平台中的音乐业务数据，确定对应的音乐内容数据和用户行为数据；通过对留言操作数据进行聚类处理以及对点击操作数据、停留操作数据和互动操作数据进行辨别处理，得到用户特征标签；利用预置的多模态算法对音乐内容数据进行特征提取、特征融合与分类，得到内容特征标签；利用预置的时序神经网络对内容特征标签和用户特征标签进行预测，生成内容预测标签和用户预测标签；在预置画像生成器中构建音乐直播平台中的音乐直播画像。本发明还涉及区块链技术，音乐业务数据可存储于区块链中。
直播平台画像构建方法装置设备存储介质

[发明专利]封停敏感词预测方法、装置、计算机设备及存储介质-CN202011434908.5在审
发明人：程华东;侯翠琴;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2020-12-10 - 公布日： 2021-03-19 - 主分类号： G06F40/274 文献下载
摘要：本发明公开了一种封停敏感词预测方法、装置、计算机设备及存储介质，主要在于能够提高封停敏感词的筛选效率和准确度，减轻业务人员的工作量。其中方法包括：获取待预测的公共敏感词；将所述公共敏感词分别输入至不同类型的预设敏感词预测模型进行封停敏感词预测，得到所述不同类型的预设敏感词预测模型输出的预测结果；根据所述不同类型的预设敏感词预测模型输出的预测结果，判定所述公共敏感词是否为封停敏感词。本发明主要适用于封停敏感词的预测。
敏感预测方法装置计算机设备存储介质

[发明专利]基于深度学习的客户标签确定方法、装置、设备及介质-CN202010783681.9在审
发明人： 侯翠琴;李剑锋;文彬 -专利权人：平安科技（深圳）有限公司
申请日： 2020-08-06 - 公布日： 2020-11-10 - 主分类号： G06F16/332 文献下载
摘要：本发明应用于人工智能领域，涉及区块链领域，公开了一种基于深度学习的客户标签确定方法、装置、设备及介质，方法部分通过获取客户与机器人客服的对话内容，将对话内容输入预设多因子意向分类器获取预设多因子意向分类器输出的产品购买意向识别结果，根据产品购买意向识别结果设置客户的客户标签，并确定是否为客户提供人工服务，若为客户提供人工服务，则获取人工服务的结果和人工服务中客户的对话数据，最后根据人工服务的结果更新客户的客户标签，并根据客户的对话数据更新预设多因子意向分类器；本发明中，提高了预设多因子意向分类器对客户的产品购买意向识别的准确性，提高了客户标签的准确性，以便后续根据客户标签进行准确地客户筛选。
基于深度学习客户标签确定方法装置设备介质

[发明专利]客服问题的更新方法、系统、终端设备及计算机存储介质-CN202010595834.7在审
发明人： 侯翠琴;文彬;李剑锋 -专利权人：平安科技（深圳）有限公司
申请日： 2020-06-24 - 公布日： 2020-10-23 - 主分类号： G06F16/332 文献下载
摘要：本发明涉及客服机器人技术领域，公开了一种客服问题的更新方法、系统、终端设备及计算机存储介质，该客服问题的更新方法包括：根据预设客服问题集中的客服问题构建问题对，并将所述问题对组合为训练数据；基于所述训练数据训练相似度模型，并利用训练收敛的相似度模型计算未响应客服问题的聚类参数；基于所述聚类参数进行聚类运算得到所述未响应客服问题的聚类结果；根据所述聚类结果生成新的客服问题以对所述预设客服问题集进行更新。此外，本发明还涉及区块链技术，训练收敛的相似度模型可存储在区块链中。本发明能够在聚类时得到更加具有价值的高质量问题来更新客服问题集，提高了智能客服机器人的问题回答效率。
客服问题更新方法系统终端设备计算机存储介质

[发明专利]数据样本的特征增强方法和装置及分类器训练方法和装置-CN201510309500.8有效
发明人：夏迎炬;孙健;侯翠琴;杨铭 -专利权人：富士通株式会社
申请日： 2015-06-08 - 公布日： 2019-12-24 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种对数据样本进行特征增强的方法和装置以及分类器的训练方法和装置。根据本发明的一个方面，对数据样本进行特征增强的方法包括：针对预设的多个类中的每一类，计算多个数据样本的基准分布；计算所述多个数据样本在特征空间上的特征分布；以及基于所述基准分布和所述特征分布，对属于该类的少数数据样本中的至少一部分数据样本的特征进行修改以增强特征。由此，能够增强不均衡数据集中的少数数据样本的特征，从而使得该不均衡的数据集可用于训练诸如分类器的数据挖掘工具，并取得较好的效果。
数据样本特征增强方法装置分类训练

[发明专利]基于并行投影方法的L1正则化核学习机的分布式训练方法-CN201510293837.4有效
发明人：侯义斌;及歆荣;侯翠琴 -专利权人：北京工业大学
申请日： 2015-06-01 - 公布日： 2019-03-29 - 主分类号： H04W4/38 文献下载
摘要：基于并行投影方法的L1正则化核学习机的分布式训练方法，属于无线传感器网络中数据融合技术领域。本发明针对无线传感器网络下已有核学习机训练方法存在的高通信代价问题，在节点本地模型与邻居节点间的局部最优模型相一致的约束下，利用并行投影方法构建和求解基于L1正则化的核学习机的分布式训练优化问题，利用交替方向乘子法对节点本地的L1正则化核学习机优化问题进行稀疏模型求解；仅依靠相邻节点间传输稀疏模型的方式进行协作以进一步优化节点局部模型；当各节点收敛到局部稳定模型后，利用平均一致性算法实现各节点模型的全局一致。
基于并行投影方法 l1 正则学习机分布式训练

[发明专利]基于ALMM的L1正则化核学习机的分布式训练方法-CN201510294216.8有效
发明人：侯义斌;及歆荣;侯翠琴 -专利权人：北京工业大学
申请日： 2015-06-01 - 公布日： 2019-01-29 - 主分类号： H04W4/70 文献下载
摘要：基于ALMM的L1正则化核学习机的分布式训练方法，属于无线传感器网络中数据融合技术领域，涉及一种核学习机的分布式训练方法。本发明利用增广拉格朗日乘子方法构建和求解基于L1正则化的核学习机的分布式训练优化问题，提出以相邻节点间的局部最优模型近似全局最优模型的优化求解方法，即在节点本地模型与邻居节点间的局部最优模型相一致的约束下，利用ALMM构建和求解基于L1正则化的核学习机的分布式训练优化问题，利用ADMM对节点本地的L1正则化核学习机训练优化问题进行稀疏模型求解，仅依靠相邻节点间传输稀疏模型的方式进行协作，以进一步优化节点局部模型，直至各节点模型收敛。
基于 almm l1 正则学习机分布式训练方法

[发明专利]检测特定动作的方法和设备-CN201710378870.6在审
发明人： 侯翠琴;夏迎炬;杨铭;孙俊 -专利权人：富士通株式会社
申请日： 2017-05-25 - 公布日： 2018-12-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种检测特定动作的方法和设备。该方法包括：将所收集的动作数据划分为多个具有预定时间长度的序列；确定每个序列的峰值；对于彼此距离小于预定时间长度的两个相邻峰值，去除所述两个相邻峰值之中较小的一个，直至所有峰值中每两个相邻峰值之间的距离都大于或等于预定时间长度；以及基于剩余峰值，确定代表特定动作的检测数据。
方法和设备动作数据检测数据种检测去除检测

[发明专利]动作评价的方法和装置-CN201710232620.1在审
发明人：夏迎炬;侯翠琴;孙俊 -专利权人：富士通株式会社
申请日： 2017-04-11 - 公布日： 2018-10-23 - 主分类号： A63B71/06 文献下载
摘要：本发明涉及动作评价方法和装置。该方法包括：从通过传感器采集的记录中抽取特征，记录包含一个动作的多个数据点；确定所抽取的特征中包括的多个基本动作；利用预先存储的评价模型确定用于对所抽取的特征中包括的多个基本动作进行评价的评价状态序列；以及将所确定的评价状态序列与预先存储的标准评价状态序列进行比较来得到对记录的评价值。根据本发明的方法和装置可以准确地对每个动作进行评价，从而判断用户的某个动作做的是否规范，进而知道如何改进。此外，还可以解决由于握拍的方向不同而导致的传感器采集来的数据不同的问题。
方法和装置状态序列抽取传感器采集动作评价基本动作预先存储记录标准评价评价模型改进

[发明专利]信息处理装置和信息处理方法-CN201610704157.1在审
发明人： 侯翠琴;夏迎炬;徐卓然;孙俊 -专利权人：富士通株式会社
申请日： 2016-08-22 - 公布日： 2018-03-06 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及信息处理装置和信息处理方法。根据本公开的信息处理装置包括划分单元，将具有标签的训练数据的集合划分成第一训练数据集合D1和小于第一训练数据集合D1的第二训练数据集合D2；训练单元，使用第一训练数据集合D1中的训练数据i1按K个类对M个监督模型进行训练；预测单元，使用M个监督模型预测不具有标签的待测数据集合D3中的每个待测数据i3的标签；聚类单元，使用N个聚类模型对第二训练数据集合D2和待测数据集合D3中的数据i进行聚类；相似度图构造单元，基于聚类结果和预测结果构造相似度图；以及融合单元，基于相似度图对待测数据i3的预测的标签和第二训练数据集合D2中的训练数据i2的标签进行融合处理以获得每个待测数据i3的标签。
信息处理装置方法