[发明专利]动态构建和配置会话代理学习模型在审

专利信息
申请号: 201980007480.5 申请日: 2019-01-21
公开(公告)号: CN111566637A 公开(公告)日: 2020-08-21
发明(设计)人: G.查诺;L.皮彻蒂;P.马雷拉;L.莫迪欧 申请(专利权)人: 国际商业机器公司
主分类号: G06F16/30 分类号: G06F16/30
代理公司: 北京市柳沈律师事务所 11105 代理人: 邸万奎
地址: 美国纽*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要: 关于动态构建和配置会话代理学习模型的方法进行了描述。会话代理学习模型的各个方面都可以构建和更新,而无需域管理员的持续干预。与这种方法有关的方法可以包括检索信息语料库。信息语料库可以包括来自一组存储库的记录和外部数据,外部数据包括来自社交网络或应用程序的数据。该方法还可以包括基于所检索的信息语料库配置会话代理学习模型。该方法还可以包括通过促进会话代理学习模型与多个客户端之间的交互来部署会话代理学习模型。该方法还可以包括更新会话代理学习模型以解决对信息语料库的任何修改。
搜索关键词: 动态 构建 配置 会话 代理 学习 模型
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国际商业机器公司,未经国际商业机器公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201980007480.5/,转载请声明来源钻瓜专利网。

同类专利
  • 文档搜索和分析工具-202280018080.6
  • M·I·穆罕默德;L·A·小鲍登;冯鑫 - 雪佛龙美国公司
  • 2022-02-28 - 2023-10-20 - G06F16/30
  • 从用户获得的和/或从上传的(一个或多个)文档提取的关键词可以被用于生成潜在的关键词。可以基于关键词和用户接受的潜在的关键词来识别文档。可以生成表示所识别出的文档的知识图模型。知识图模型可以包括表示所识别出的文档的文档节点和表示关键词的搜索节点。文档节点相对于搜索节点的相对位置可以表示在相应文档与关键词之间的相似度。
  • 在二维方面立方体上进行方面聚类的方法和系统-201880082113.7
  • 福田隆;菊地弘晶;四仓晋平 - 国际商业机器公司
  • 2018-12-12 - 2023-09-19 - G06F16/30
  • 一种用于在二维方面立方体上进行方面聚类的计算机实现的方法和系统。该方法和系统通过生成二维方面立方体来基于方面执行文本挖掘,以分析一个或多个文档中的非结构化数据,所述二维方面立方体是与一个或多个文档集合相关联的一个或多个方面的相关性矩阵。将所述相关性矩阵中的所述一个或多个方面分组为至少一个聚类;计算所述聚类的中心;并将位于计算出的所述聚类的中心附近的所述方面标识为所述聚类的代表。
  • 智力知识构思管理系统-202080103901.7
  • R·易卜拉欣;R·穆斯塔法卡迈勒;N·F·萨拉姆 - 格朗得勒宁M私人有限公司;R·易卜拉欣
  • 2020-08-31 - 2023-07-28 - G06F16/30
  • 本发明涉及一种智力知识构思管理系统(1000),包括调研摘要创建系统(100),其特征在于,还包括:知识创建系统(150),包括用于基于用户与知识创建系统(150)之间的导致完成知识创建过程的特定的约定规则做出个人智力决策的方法论;用于发表的文档编制和检索系统(200),包括用于从用户的智力输入的文档编制和检索中形成发表物的方法论;以及评估系统(300),包括在从用户的智力输入中期望的潜在创建的知识的未来的知识产权保护的外部化之前,预测潜在创建的知识的新颖性强度的方法论。上述配置是有利的,因为本发明引导用户逐步实现其在调研研究中的里程碑和智力成熟度,或在规定的时间内以最小的问题完成他/她的调研论文。
  • 使用动作解释的自然语言丰富-202180049621.7
  • D.罗苏;R.马欣德鲁 - 国际商业机器公司
  • 2021-07-22 - 2023-03-14 - G06F16/30
  • 一种用于改进采用自动虚拟对话代理的对话系统的性能的计算机系统、计算机程序产品和计算机实现的方法。该方法涉及利用自动虚拟代理来接收自然语言请求并生成对应的响应,自动地识别并解决该请求和响应之间的对应知识差距,以及用所解决的知识差距来细化该自动虚拟代理。
  • 用于评价文档检索的性能的方法、系统以及装置-202180041586.4
  • 森本健太郎 - 株式会社岛津制作所
  • 2021-03-04 - 2023-02-03 - G06F16/30
  • 自动地检测文档检索的性能降低。在向数据库(300)追加了文档数据的情况下,学习部(260)通过机器学习来更新语言模型(61)。性能评价部(270)根据将被附加于多个特定文档数据的多个第一标签中的各个第一标签设为检索查询(TQRY)的文档检索的结果,来计算与多个特定文档数据中的各个特定文档数据的位次有关的第一统计值。性能评价部(270)根据将被附加于多个特定文档数据的多个第二标签中的各个第二标签设为检索查询(TQRY)的文档检索的结果,来计算与多个特定文档数据中的各个特定文档数据的位次有关的第二统计值。在因与至少一个文档数据的追加相伴的语言模型(61)的更新引起的第一统计值的变动值大于第一阈值、且因更新引起的第二统计值的变动值大于第二阈值(Th2)的情况下,性能评价部(270)检测出文档检索的性能降低。
  • 自定义报表的创建方法、装置、电子设备以及存储介质-202080094727.4
  • 杨武 - 深圳市欢太科技有限公司;OPPO广东移动通信有限公司
  • 2020-04-22 - 2022-09-02 - G06F16/30
  • 一种自定义报表的创建方法、装置、电子设备以及存储介质,涉及电子设备技术领域。包括:接收报表创建指令(S101),响应报表创建指令,显示多个报表因子,其中,多个报表因子中包括自定义报表因子(S102),接收报表因子选择指令(S103),响应报表因子选择指令,从多个报表因子中确定目标报表因子(S104),基于目标报表因子,创建并生成自定义报表(S105)。通过用户自定义的从多个报表因子中选择确定目标报表因子创建自定义报表,以最大限度的满足用户的各种需求,提升用户体验。
  • 使用上下文触发分段哈希的计算机安全-202080086493.9
  • 周钢 - 微软技术许可有限责任公司
  • 2020-09-30 - 2022-08-12 - G06F16/30
  • 本文总体讨论的是用于基于上下文触发分段哈希(CTPH)进行聚类的设备、系统和方法。一种方法可以包括确定文件的第一CTPH字符串的第一索引。第一索引可以包括CTPH字符串的连续位。第一索引可以小于CTPH字符串,诸如是CTPH字符串的真子集。方法可以包括确定第一索引与文件集群的第二索引相匹配,并且响应于确定第一索引与集群的第二索引相匹配,将文件与集群相关联。方法可以包括基于集群,确定文件包括恶意软件。
  • 信息处理装置、信息处理方法以及信息处理程序-201980102347.8
  • 内出隼人 - 三菱电机株式会社
  • 2019-11-28 - 2022-07-08 - G06F16/30
  • 信息处理装置(100)是生成正解数据的装置。信息处理装置(100)具有取得部(140)和处理部(120)。取得部(140)取得多个检索对象文档。处理部(120)从多个检索对象文档中的第一检索对象文档中提取字符串,基于字符串而生成查询,从多个检索对象文档中检索查询的检索对象,生成包含作为检索结果的1个以上的检索对象文档和查询在内的正解数据。
  • 计算系统中的语言语句处理-202080063909.5
  • O.西多尔金;S.巴丁 - 国际商业机器公司
  • 2020-09-08 - 2022-04-19 - G06F16/30
  • 一种使用更高阶动作来注释语法树的方法,包括:利用与语法树中的词符相对应的概念来注释语法树的信息空间。该概念包括问题的领域中的对象并且与领域的本体中的其他概念相关。更高阶动作指定输入、动作参数和输出。确定信息空间中的与更高阶动作的输入相对应的元素。确定问题的领域中的具有与所述动作参数相匹配的参数的动作。确定元素被输入到所确定的动作以产生输出。语法树的信息空间利用来自更高阶动作的输出被注释,以用于提供问题的答案。
  • 用于对数据点进行标注的方法和装置-201980099124.0
  • 罗章维;惠浩添;汤琦;刘晓南;李丹丹;丹尼尔·施尼盖斯 - 西门子(中国)有限公司
  • 2019-08-22 - 2022-04-01 - G06F16/30
  • 提供了一种用于对数据点进行标注的方法,包括:对目标数据集执行标注操作,所述目标数据集包括复数个数据点,每一个数据点代表一个业务实例,所述标注操作包括:将目标数据集划分成复数个第一子集;针对其中的每一个第一子集:接收用户输入,其用于为所述第一子集中的至少一个数据点指定标记,标记用于说明所述数据点代表的业务实例的情况;判断所述标记与先前为目标数据集中的至少一个数据点指定的标记之间的相似性是否满足预设条件;响应于确定不满足预设条件,以所述第一子集作为目标数据集来重新执行所述标注操作;响应于确定满足预设条件,为所述第一子集中的每一个数据点设置与先前为目标数据集中的至少一个数据点指定的标记相关联的标记。
  • 解析装置和解析方法-202080030519.8
  • 松田史生;金泽慎司 - 国立大学法人大阪大学;株式会社岛津制作所
  • 2020-05-07 - 2021-12-03 - G06F16/30
  • 本发明是一种解析装置(50),其具备:信息获取单元(51),其从使用分析装置(10)测定生物体试样中含有的解析对象物而得到的结果中获取用于确定该解析对象物的信息即第一识别信息;提取单元(56),其基于由所述信息获取单元获取到的第一识别信息,来从存储有文档信息的数据库(41)中提取与所述解析对象物关联的术语即关联术语;以及呈现单元(57、59),其向用户呈现由所述提取单元提取出的所述关联术语。
  • 编码信息提取器-201880100474.X
  • 王颖;李敏;陆梦嫣;施晓良 - 微软技术许可有限责任公司
  • 2018-12-25 - 2021-08-17 - G06F16/30
  • 本文公开的编码信息提取器使用机器学习方法从文档中提取编码信息。使用各种计算机处理指令来实现编码信息提取器的实现,该各种计算机处理指令包括扫描文档以生成多个令牌,使用术语频率(TF)、逆文档频率(IDF)以及代码类型相似性特征来确定多个令牌的一个或多个特征,并使用命名实体识别(NER)来确定一个或多个令牌的字段类型、字段名称和字段值。
  • 痴呆症预测装置、预测模型生成装置及痴呆症预测用程序-201980048868.X
  • 丰柴博义;内山秀文;岸本泰士郎;船木桂;菅洋子;堀田章悟;藤田卓仙;三村将 - 株式会社FRONTEO;学校法人庆应义塾
  • 2019-07-03 - 2021-03-09 - G06F16/30
  • 本发明提供痴呆症预测装置、预测模型生成装置及痴呆症预测用程序;该痴呆症预测装置具备:关联度指标值计算部(100A),其从表示痴呆症的病情程度已知的m名患者进行的自由对话的内容的m个文本中提取n个单词,并计算出反映m个文本与n个单词之间的关联度的关联度指标值;预测模型生成部(14A),其生成用于根据针对一个文本由n个关联度指标值构成的文本指标值组预测痴呆症的病情程度的预测模型;以及痴呆症预测部(21A),其将由关联度指标值计算部(100A)根据预测用数据输入部(20)输入的文本计算出的关联度指标值应用于预测模型中,从而根据预测对象的文本预测患者的痴呆症的病情程度;该痴呆症预测装置无需进行简易精神状态检查便可预测痴呆症的病情程度。
  • 动态构建和配置会话代理学习模型-201980007480.5
  • G.查诺;L.皮彻蒂;P.马雷拉;L.莫迪欧 - 国际商业机器公司
  • 2019-01-21 - 2020-08-21 - G06F16/30
  • 关于动态构建和配置会话代理学习模型的方法进行了描述。会话代理学习模型的各个方面都可以构建和更新,而无需域管理员的持续干预。与这种方法有关的方法可以包括检索信息语料库。信息语料库可以包括来自一组存储库的记录和外部数据,外部数据包括来自社交网络或应用程序的数据。该方法还可以包括基于所检索的信息语料库配置会话代理学习模型。该方法还可以包括通过促进会话代理学习模型与多个客户端之间的交互来部署会话代理学习模型。该方法还可以包括更新会话代理学习模型以解决对信息语料库的任何修改。
  • 日志存储方法、日志读取方法、智能电池、无人机-201880069257.9
  • 江帆;房玲江;龚如 - 深圳市大疆创新科技有限公司
  • 2018-11-30 - 2020-07-17 - G06F16/30
  • 一种日志存储方法、日志读取方法、智能电池、无人机。一种日志存储方法,包括:读取日志头信息,所述日志头信息包括标志信息(101);根据所述标志信息中各标志位的取值确定是否将日志写入闪存设备中(102)。通过日志头信息可以确定出存储单元,无需检测每个存储单元,从而可以减少检测时间。另外,无需将需要保存的日志写入原先存储的日志中,从而可以减少数据处理量以及存储日志过程中所占用缓存的大小,降低对资源的需求。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top