“蔡怡蕾”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10个，建议您升级VIP下载更多相关专利

[发明专利]用于信息推荐的方法及装置、电子设备、存储介质-CN202210299321.0在审
发明人： 蔡怡蕾 -专利权人：北京明略昭辉科技有限公司
申请日： 2022-03-25 - 公布日： 2022-07-08 - 主分类号： G06F16/9535 文献下载
摘要：本申请涉及信息推荐技术领域，公开一种用于信息推荐的方法，应用于用户设备，包括：在发现新的应用程序的情况下，将待推荐信息输入已经训练好的信息推荐模型中，得到用户设备对待推荐信息点击的概率；根据用户设备对待推荐信息点击的概率，确定待推荐信息是否在应用程序进行推荐。通过将待推荐信息输入已经训练好的信息推荐模型中，得到了用户设备对待推荐信息点击的概率，实现了待推荐信息与用户设备之间的特征刻画；基于信息推荐模型所得到用户设备对待推荐信息点击的概率，确定了待推荐信息是否在应用程序进行推荐，进而使信息推荐更加准确，用户体验更佳。本申请还公开一种用于信息推荐的装置、电子设备、存储介质。
用于信息推荐方法装置电子设备存储介质

[发明专利]时延数据的调整方法和装置、电子设备和存储介质-CN202110235536.1有效
发明人： 蔡怡蕾;郑悦;景艳山 -专利权人：上海明略人工智能（集团）有限公司
申请日： 2021-03-03 - 公布日： 2022-05-10 - 主分类号： H04L43/0852 文献下载
摘要：本申请提供了一种时延数据的调整方法和装置、电子设备和存储介质，其中，该方法包括：在第一预设时间内获取多个参与方的训练参数所对应的多个网络时延，其中，训练参数为参与方训练数据聚合模型的参数；在多个差值中存在大于第一时延阈值的第一差值的情况下，根据网络时延确定多个参与方对应的待迭代次数，其中，多个差值中的每个差值是多个网络时延中两个网络时延之间的差值；根据待迭代次数，确定多个参与方传输训练参数至数据聚合模型的时延时间。通过本申请，解决了相关技术中存在的联邦学习的数据聚合模型训练效率较低的问题。
数据调整方法装置电子设备存储介质

[发明专利]一种物料推荐方法、装置、设备和存储介质-CN202110514746.4在审
发明人：郑悦;蔡怡蕾;景艳山 -专利权人：北京明略昭辉科技有限公司
申请日： 2021-05-10 - 公布日： 2021-08-03 - 主分类号： G06F16/9535 文献下载
摘要：本申请实施例公开了一种物料推荐方法、装置、设备和存储介质，涉及推荐技术领域。该方法包括：根据目标用户的历史交互数据，从物料库中选取至少一个初始物料；根据关联物料对之间的物料相似度数据，从所述物料库中选取与各所述初始物料相关联的至少一个候选物料；确定各所述候选物料的物料得分，并根据所述物料得分，从所述候选物料中选取目标物料；向所述目标用户推荐所述目标物料。采用本申请的技术方案提高了推荐结果与目标用户之间的匹配度，进而提升了目标用户的使用体验。
一种物料推荐方法装置设备存储介质

[发明专利]多任务联合训练模型方法、系统、电子设备和存储介质-CN202110134399.2在审
发明人： 蔡怡蕾;郑悦;景艳山 -专利权人：上海明略人工智能（集团）有限公司
申请日： 2021-01-29 - 公布日： 2021-05-07 - 主分类号： G06F30/27 文献下载
摘要：本申请涉及一种多任务联合训练模型方法、系统、电子设备和存储介质，其中，该方法包括：各参与方分别根据己方的特征进行建模，并得到对应的特征向量；各参与方将其特征向量发送至除己方以外的其他任务方；各任务方根据己方的子任务，结合所接收的各特征向量，再次进行建模，计算己方的损失值并发送至第三方；第三方将所有任务方的各损失值进行加权求和得到整体模型的总损失值；第三方根据各损失值计算梯度并返回至各对应参与方；各参与方根据各梯度更新己方模型，并更新整体模型。通过本申请，实现了对用户数据的保护的同时，提升模型各个子任务之间的准确性。
任务联合训练模型方法系统电子设备存储介质

[发明专利]实体关系抽取方法、系统、电子设备及存储介质-CN202011330157.2在审
发明人：郑悦;蔡怡蕾;景艳山 -专利权人：北京明略昭辉科技有限公司
申请日： 2020-11-24 - 公布日： 2021-02-26 - 主分类号： G06F40/295 文献下载
摘要：本申请涉及实体关系抽取方法、系统、电子设备及存储介质。该方法包括：对输入的原始文本进行分词操作并输出分词；将分词输入至Embedding层得到对应分词的初始向量表示；将初始向量表示输入至Bi‑LSTM层得到前向和后向两组实体向量表示；将初始向量表示输入至Tree‑based‑LSTM层得到语法树结构的节点向量；将两组实体向量表示输入至Attention层得到第一状态向量，将第一状态向量输入至Q‑Learning网络得到两个实体向量表示对应代表的实体之间存在关系的概率；将节点向量输入至softmax层，得到第二状态向量并将第二状态向量输入至Q‑Learning网络，结合实体之间存在关系的概率输出实体关系。通过考虑命名实体识别和关系抽取之间的依赖关系，解决了实体关系抽取过程中误差延续的问题，实现了实体关系抽取的误差率的提升。
实体关系抽取方法系统电子设备存储介质

[发明专利]新闻推荐方法、装置、媒体服务器及可读存储介质-CN202011138179.9在审
发明人： 蔡怡蕾;景艳山;陈倩倩 -专利权人：北京明略昭辉科技有限公司
申请日： 2020-10-22 - 公布日： 2021-01-22 - 主分类号： G06F16/9535 文献下载
摘要：本申请提供一种新闻推荐方法、装置、媒体服务器及可读存储介质，涉及资讯推荐技术领域。本申请通过从目标用户当前阅读的新闻内容中提取新闻关键词，来对目标用户的兴趣数据库内已存储的兴趣关键词更新，并基于更新后的兴趣数据库所包括的所有关键词确定用户兴趣特征向量，接着从待推荐新闻中提取出新闻内容特征向量，并根据用户兴趣特征向量与新闻内容特征向量计算该待推荐新闻被目标用户点击的点击概率，进而在点击概率大于或等于预设概率阈值的情况下，直接将待推荐新闻推荐给目标用户，从而在缩减新闻推荐过程中的计算资源损耗量，提升新闻推荐效率的同时，确保推荐的新闻内容与用户兴趣变化趋势实时匹配，实现新闻个性化推荐功能。
新闻推荐方法装置媒体服务器可读存储介质

[发明专利]闲聊机器人多轮对话生成方法、装置和闲聊机器人-CN202011117440.7在审
发明人：陈倩倩;景艳山;蔡怡蕾 -专利权人：北京明略昭辉科技有限公司
申请日： 2020-10-19 - 公布日： 2021-01-15 - 主分类号： G06F16/332 文献下载
摘要：本申请涉及一种闲聊机器人多轮对话生成方法、装置及闲聊机器人，其中，该闲聊机器人多轮对话生成方法包括：对话内容获取步骤，用于获取对话文本并过滤所述对话文本中的敏感词汇；关键词提取步骤，用于基于互信息提取所述对话文本中的对话关键词；重写候选句生成步骤，用于提取所述对话关键词的相邻词，所述相邻词与所述关键词组成关键短语，并将所述关键短语与所述对话文本中的对话尾句组成重写候选句；重写句子生成步骤，经一上下文重写网络将所述重写候选句经编码和解码转换为一重写句子并输出；对话生成步骤，将所述重写句子输入到一对话模型中得到对话回答。通过本申请，实现在多轮场景中使用单轮框架，实现更高的响应精度。
闲聊机器人轮对生成方法装置

[发明专利]判决预测方法、装置、电子设备及可读存储介质-CN202011140050.1在审
发明人： 蔡怡蕾;郑悦;景艳山 -专利权人：北京明略昭辉科技有限公司
申请日： 2020-10-22 - 公布日： 2021-01-15 - 主分类号： G06Q10/04 文献下载
摘要：本申请提出一种判决预测方法、装置、电子设备及可读存储介质，涉及数据分析技术领域。首先根据待预测案件的案件事实描述信息，获得待预测案件的候选罪名。然后，将案件事实描述信息及候选罪名进行融合，获得特征交叉信息，并从特征交叉信息中获得刑期特征及罪名特征，迭代预设次数获得目标刑期特征及目标罪名特征。最后，根据目标刑期特征和/或目标罪名特征及预先训练好的刑期罪名预测模型，获得待预测案件的判决预测结果，刑期罪名预测模型由案件样本的样本目标刑期特征、样本目标罪名特征、被指控罪名及被判定刑期训练得到。由此，在考虑刑期与罪名维度的信息之间的关联的情况下进行判决预测，可获得准确性高的判决预测结果。
判决预测方法装置电子设备可读存储介质

[发明专利]推荐消息的方法及装置-CN202010972151.9在审
发明人： 蔡怡蕾;景艳山 -专利权人：北京明略昭辉科技有限公司
申请日： 2020-09-16 - 公布日： 2021-01-01 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种推荐消息的方法及装置。该发明包括：将目标对象的历史消息对应的向量，输入双向长短时记忆网络，输出与每条历史消息被点击时刻对应的第二向量，然后获取待推荐的候选消息的向量与每条历史消息的第二向量的相似度得分，依据相似度得分得到最终得分，将最终得分作为该条历史消息的权重，对多条历史消息的第一向量进行加权求和，得到第三向量，获取目标对象点击候选消息的概率，依据概率大小决定是否向目标对象推送消息。采用上述方案，解决了相关技术中推荐消息时忽略用户兴趣随时间转移的问题，从而实现精准度更高的个性化推送。
推荐消息方法装置

[发明专利]基于深度学习的盗窃罪辅助量刑方法-CN201910870274.9在审
发明人：叶麟;张宏莉;方滨兴;李尚;郭镔;蔡怡蕾;郭小丁;陈喆 -专利权人：哈尔滨工业大学
申请日： 2019-09-16 - 公布日： 2019-12-24 - 主分类号： G06F17/27 文献下载
摘要：基于深度学习的盗窃罪辅助量刑方法属于计算机领域；无法实现在较少人工标注情况下的案情语义表示和特定罪名的刑期精准预测；包括根据刑法规定和关于盗窃罪的量刑规定，结合已公开的盗窃罪一审判决书，从被盗窃物品价值、犯罪主体信息、犯罪事实描述、判决结果角度定义形式化描述盗窃案的11维特征；对裁判文书进行文本预处理；整合为语料集，训练词向量；完成除被盗窃物品价值和刑期之外特征的提取，使用循环神经网络为每一维特征分别构建特征生成器，从而提取特征值；使用线性回归和多层神经网络模型作为预测器，输入案件特征向量，输出刑期预测结果；能够在较少依赖人工标注的情况下实现对案情的深度语义理解和给出明确的刑期预测值。
人工标注多层神经网络循环神经网络盗窃计算机领域特征生成器文本预处理形式化描述犯罪事实角度定义判决结果特征向量线性回归一维特征语义表示语义理解预测结果主体信息词向量预测器预测构建语料整合裁判输出案件犯罪学习

1
共 10 条