[发明专利]自动批次分类在审
| 申请号： | 201980017641.9 | 申请日： | 2019-02-14 |
| 公开（公告）号： | CN111868709A | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 丹尼尔·李·赫维茨;伊多·盖伊 | 申请（专利权）人： | 电子湾有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 黄亮 |
| 地址： | 美国加利*** | 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： | 公开了用于批次分类的方法、系统和介质。在一个示例中，用于识别批次列表的分类系统在发布系统中接收对列表的描述，识别该列表中的字符串，识别该字符串中的数量词或数字，并将所识别的数量词转换为数字形式。标记化归一化字符串以产生标记，对归一化字符串的标记化包括使用分隔符序列将归一化字符串分成一系列子字符串。对于每个子字符串，通过将任何数字与任何其他相邻字符分开(除非该字符是另一个数字)来执行附加拆分，并保持每个拆分子字符串的内部字符顺序以产生经标记化的标记的扁平列表。 | ||
| 搜索关键词： | 自动 批次 分类 | ||
【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电子湾有限公司，未经电子湾有限公司许可，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/201980017641.9/，转载请声明来源钻瓜专利网。
- 上一篇：螺线管、电磁阀以及缓冲器
- 下一篇：利用强化学习的睡眠环境调节装置
- 同类专利
- 用于准备机器学习训练数据以用来评价定义质量的系统-202180094424.7
- 格蕾特·德佩佩;迈克尔·坦德基 - 科里布拉比利时股份有限公司
- 2021-12-10 - 2023-10-10 - G06F16/35
- 一种用于准备机器学习训练数据以用来评价术语定义质量的系统。所述系统可以包括服务器，该服务器具有至少一个服务器处理器和至少一个服务器存储器，该至少一个服务器存储器用于储存多个术语和相应的定义，以及多个客户端设备，每个客户端设备具有至少一个客户端存储器设备和至少一个客户端处理器。所述客户端处理器被编程以从所述服务器接收所述多个术语中的至少一个及其相应的定义，显示所述术语及其相应的定义，以及接收所述定义是否满足一个或多个定义质量准则的表示。所述服务器存储器包括指令，该指令用于使所述至少一个服务器处理器从所述多个客户端设备接收所述表示并基于所接收的表示将每个定义标注为满足或不满足所述定义质量准则中的每一个。
- 用于发票数据的自主核对的方法及相关电子装置-202280012057.6
- A·圣瓦里亚;S·K·钦纳姆加里;A·A·马利克;M·邓斯 - 马士基有限公司
- 2022-01-28 - 2023-09-29 - G06F16/35
- 公开了一种由电子装置执行的用于发票数据的自主核对的方法。该方法包括获得发票数据集。该方法包括基于发票数据集和实体提取模型来确定包括实体参数和第一值参数的实体提取集。第一值参数与第一置信度分数参数相关联。该方法包括基于实体提取集输出用于发票数据核对的信息提取结果。
- 计算药物靶标选择-202180074273.9
- 丹尼尔·詹姆斯·克劳瑟;大卫·纳加内斯·卡隆;吉列尔莫·塞拉诺·纳赫拉 - 艾克斯赛安西娅人工智能有限公司
- 2021-10-29 - 2023-07-28 - G06F16/35
- 本发明提供了一种用于计算药物靶标选择的方法。所述方法包括从至少一个公开数据源获取公开数据，并链接至包括历史公开文档和当前公开文档在内的多个公开文档。所述方法包括搜索公开数据，以为每个公开文档提供指示，说明各公开文档是否与一个或多个药物靶标相关。所述方法包括基于搜索的历史公开文档的公开数据确定一个或多个药物靶标的预期公开参数，并基于搜索的当前公开文档的公开数据确定所述一个或多个药物靶标中每个的实际公开参数；以及，基于相对于预期公开参数的实际公开参数评估一种或多种药物靶标，以供选择。
- 用于在语义地图的生成中重用数据项指纹的方法和系统-202180076564.1
- 弗朗西斯科·德·苏萨·韦伯 - 皮层IO有限公司
- 2021-11-18 - 2023-07-11 - G06F16/35
- 一种用于使用聚类在第一二维度量空间中的第一数据文档集合内的数据项的分布式表示来生成第二二维度量空间中的分布式表示的聚类的方法，包括：通过参考地图生成器在第一二维度量空间中聚类数据文档集合，生成语义地图。解析器生成在所述数据文档集合中出现的数据项的列举。表示生成器使用关于每个数据项的出现信息生成分布式表示。稀疏化模块接收最大稀疏度水平的识别，并减少分布式表示内的设置二进位的总数。参考地图生成器在第二二维度量空间中聚类从SDR数据库中检索并根据第二至少一个标准选择的SDR集合，生成第二语义地图。
- 使用多个聊天机器人进行问题应答的电子设备及其控制方法-202180065468.7
- 咸珍雅;崔源宗;金秀必;朴艺苑 - 三星电子株式会社
- 2021-09-09 - 2023-06-23 - G06F16/35
- 一种电子设备，包括存储器和处理器。存储器存储指令、用于应答多个问题的多个聊天机器人、以及问题分类模型，问题分类模型被训练成在多个聊天机器人中识别出用于应答输入问题的聊天机器人。处理器被配置为执行指令以：将输入问题输入到问题分类模型中，问题分类模型输出多个聊天机器人中的用于应答输入问题的第一聊天机器人；通过所输出的第一聊天机器人，获取对输入问题的第一应答；基于所获取的第一应答包括能够在电子设备处执行的功能的信息，生成请求执行功能的问题；以及将所生成的问题输入到问题分类模型中，问题分类模型输出多个聊天机器人中的用于应答所生成的问题的第二聊天机器人。
- 聊天机器人的范围外自动转变-202180067442.6
- V·比什诺伊;徐昕;E·L·贾拉勒丁;S·P·K·加德;C·C·潘;M·E·约翰逊;T·L·杜翁;B·S·文纳科塔;M·帕雷克 - 甲骨文国际公司
- 2021-09-30 - 2023-06-06 - G06F16/35
- 用于在同一领域中的聊天机器人技能之间进行自动切换的技术。在一个特定方面，提供了一种方法，所述方法包括：在聊天机器人会话内接收来自用户的话语，其中，当前技能上下文是第一技能并且当前群组上下文是第一群组；将所述话语输入到针对所述第一群组的候选技能模型中；使用所述候选技能模型获得所述第一群组内的技能的排名；基于所述技能的排名确定第二技能是排名最高的技能；将所述聊天机器人会话的当前技能上下文改变为所述第二技能；将所述话语输入到针对所述第二技能的候选流模型中；使用所述候选流模型获得所述第二技能内与所述话语相匹配的意图的排名；以及基于所述意图的排名确定作为排名最高的意图的意图。
- 使用图扩散变换器进行方面级情感分类的方法和系统-202180056123.5
- 侯晓晨;黄静;王广涛;何晓冬;周伯文 - 京东科技控股股份有限公司;京东金融美国公司
- 2021-09-17 - 2023-05-30 - G06F16/35
- 一种方面级情感分类系统和方法。该系统包括计算设备，该计算设备包括处理器和存储有计算机可执行代码的存储设备。所述计算机可执行代码被配置为：接收具有被标记的方面术语和上下文的语句；将语句转换为依存树图；基于图中任意两个节点之间的一跳注意力，计算依存树图的注意力矩阵；根据注意力矩阵，计算任意两个节点的多头注意力扩散；使用多头扩散注意力获得图的更新嵌入；基于图的更新嵌入对方面术语进行分类，以获得方面术语的预测分类；基于方面术语的预测分类和地面真值标签，计算损失函数；以及基于损失函数调整计算机可执行代码中模型的参数。
- 用于为文本分类提供解释的技术-202180051353.2
- G·辛格拉朱;V·比什诺伊;M·帕雷克;A·王 - 甲骨文国际公司
- 2021-08-20 - 2023-04-18 - G06F16/35
- 一种聊天机器人系统被配置为执行代码以执行：由所述聊天机器人系统确定对话语的分类结果并确定一个或多个锚点，所述一个或多个锚点中的每个锚点对应于所述话语中的一个或多个锚点词。对于所述一个或多个锚点中的每个锚点，生成一个或多个合成话语，并且确定对所述一个或多个合成话语的一个或多个分类结果。由所述聊天机器人系统生成包括所述一个或多个锚点中的特定锚点的表示的报告，在所述一个或多个锚点中，所述特定锚点对应于最高置信度值。可以使用所述一个或多个合成话语来生成用于训练机器学习模型的新训练数据集。可以根据置信度阈值对所述训练数据集进行细化以过滤出用于训练的数据集。
- 生成标识在web文档中表达的主题之间的关系的图形数据结构-202180041429.3
- 李子柳;J·阿梅德;A·奥弗威克;熊砾;刘霄 - 微软技术许可有限责任公司
- 2021-04-21 - 2023-04-04 - G06F16/35
- 一种技术基于分散在web文档上的至少部分非结构化信息来产生图形数据结构。该技术涉及将机器训练模型应用于文档(或更一般地，“文档单元”)集合以标识文档中的主题。然后，该技术通过对文档中单个主题的出现和主题配对的共同出现进行计数来生成计数信息。该技术基于计数信息来生成条件概率信息。条件概率信息的实例描述了在给定第二主题的出现的情况下第一主题将出现的概率，以及在给定第一主题的出现的情况下第二主题将出现的概率。然后，该技术在图形数据结构中制定条件概率信息。该技术还提供了一种应用系统，其利用图形数据结构向用户提供任何种类的计算机实现的服务。
- 基于机器学习检测运输服务相关安全问题的人工智能系统-202080102054.2
- 马宝昌;周玉龙;韩堃 - 北京嘀嘀无限科技发展有限公司
- 2020-10-20 - 2023-02-03 - G06F16/35
- 一种用于检测与运输服务相关的安全问题的人工智能系统。所述系统包括一个存储设备，被配置为存储一个事件的第一样本描述和所述事件的已知安全问题。所述第一样本描述包括第一组标记文本。所述系统还包括至少一个处理器。所述至少一个处理器被配置为将第一样本描述分割成多个词段，确定多个词段对应的词向量，并确定第一样本描述中的第一组标记文本的特征。至少一个处理器还被配置为基于词向量和特征来训练学习模型。所述系统还包括一个通信接口，被配置为提供学习模型，用于从事件描述中自动检测与运输服务相关的安全问题。
- 对给定数据元素集合的数据元素排序-202180035633.4
- A·迈尔;M·格拉塞尔特;Y·萨耶;L·布雷默;M·贝斯勒 - 国际商业机器公司
- 2021-04-16 - 2023-01-31 - G06F16/35
- 一种计算机实现的方法用于对给定集合的数据元素进行排序。该方法包括执行对每个数据元素的第一类使用的评估。该方法包括根据对第一类使用的评估来确定数据元素候选集合。所述方法包括执行对数据元素候选集合中的每个数据元素的第二类使用的评估。该方法包括根据对数据元素候选集合的每个数据元素的第二类使用的评估来对数据元素候选集合的数据元素进行排序。该方法包括提供经排序的数据元素候选集合的数据元素，并且作为响应，接收基于所提供的经排序的数据元素候选集合的数据元素的数据处理请求。
- 文本信息的分类方法、移动终端及计算机可读存储介质-202080098028.7
- 林浩智 - 深圳市欢太科技有限公司;OPPO广东移动通信有限公司
- 2020-06-02 - 2023-01-13 - G06F16/35
- 一种文本信息的分类方法、移动终端及计算机可读存储介质。该分类方法包括：获取文本信息(S11)；确定所述文本信息的垂域意图(S12)；在文本信息的垂域意图满足设定垂域意图时，召回文本信息，再对文本信息进行意图分类(S13)；在文本信息的垂域意图不满足设定垂域意图时，拒绝文本信息(S14)。通过上述方式，能够有效地加速文本信息的分类，减小计算机占用资源。
- 一种基于人工智能的问题分类的方法及装置-202110919635.1
- 齐维维 - 浙江义乌购电子商务有限公司
- 2021-08-11 - 2022-12-27 - G06F16/35
- 本申请公开了一种基于人工智能的问题分类的方法，包括：云服务器获取智能客服上报的问题样本；提取所述问题样本特征，并将所述问题样本特征输入至多层卷积神经网络中，得到全局特征向量样本，将所述全局特征向量样本定义为训练集；利用高斯核支持向量模型对训练集进行测试，获取测试后的问题分类。
- 具有内容的趋势分析的消息收发系统-202180030588.3
- 莱昂纳多·里巴斯马沙多达斯内韦斯;维托尔·席尔瓦索萨;舒巴姆·维 - 斯纳普公司
- 2021-04-16 - 2022-12-06 - G06F16/35
- 一种消息收发系统对由消息收发系统的用户制作的内容执行趋势分析。消息收发系统被配置成根据从与用户相关联的客户端设备接收的内容项提取修改，其中，内容项被使用包括文本题注或媒体覆盖的修改来修改。消息收发系统还被配置成根据内容项和所提取的修改，确定一个或更多个词，并且确定一个或更多个词在内容项和所提取的修改中的频数。消息收发系统还被配置成基于该频数和聚合频数来确定一个或更多个词是否是趋势。消息收发系统还被配置成响应于一个或更多个词被确定为趋势，生成与一个或更多个词相关联的趋势内容，该趋势内容是文本、图像或增强内容。
- 文本处理方法、电子设备和计算机可读存储介质-202080098341.0
- 罗茂 - 深圳市欢太科技有限公司;OPPO广东移动通信有限公司
- 2020-05-28 - 2022-11-01 - G06F16/35
- 一种文本处理方法，包括：获取待处理文本；获取方法森林，根据方法森林包含的方法树对待处理文本进行关键词匹配，得到目标关键词；其中，方法森林包含不同匹配方法对应的方法树；及获取目标关键词对应的目标属性，并根据目标关键词及对应的目标属性生成待处理文本的目标匹配结果。
- 节点处理装置、节点处理方法以及程序-202180008878.8
- 田中美咲 - 大金工业株式会社
- 2021-01-20 - 2022-08-30 - G06F16/35
- 一种节点处理装置,其用于基于用户所期望的观点在全局图上来配置节点。本发明的一个方式自针对节点集合的每个节点赋予的多个种类的特征量,对符合用户的分析的需求的特征量进行合成以及提取,该节点处理装置具有:接收部,其自用户接收与自上述节点集合选择的节点的、在用户所设想的分析轴上的配置相关的指定；以及节点处理部,其基于上述接收的指定的配置,对特征量进行合成以及提取。
- 文本分类模型训练方法、文本分类方法、装置及电子设备-201980100570.9
- 刘园林 - 深圳市欢太科技有限公司;OPPO广东移动通信有限公司
- 2019-12-16 - 2022-04-29 - G06F16/35
- 一种文本分类模型训练方法、文本分类方法、装置及电子设备。所述训练方法包括：获取第一文本样本集(101)，将第一文本样本集输入至文本分类模型得到第一预测结果(102)，若第一预测结果不满足预设条件，则对文本分类模型进行调整(105)，将第二样本集输入到调整后的文本分类模型中，直至文本分类模型的预测结果满足预设条件为止(107)。
- 一种文本分类方法、装置、电子设备及存储介质-201980099197.X
- 刘园林 - 深圳市欢太科技有限公司;OPPO广东移动通信有限公司
- 2019-10-31 - 2022-03-18 - G06F16/35
- 本申请实施例公开了一种文本分类方法、装置、电子设备及存储介质，该方法包括获取待分类文本；根据预先训练的文本分类模型的语义表征网络，将待分类文本转换为语义矩阵；在文本分类模型的语义分类网络的卷积层对语义矩阵进行卷积运算，得到多种尺寸的语义特征；根据多种尺寸的语义特征，在分类层确定待分类文本的文本类别。
- 模型构建方法、分类方法、装置、存储介质及电子设备-201980098836.0
- 刘园林 - 深圳市欢太科技有限公司;OPPO广东移动通信有限公司
- 2019-10-30 - 2022-03-11 - G06F16/35
- 一种模型构建方法、分类方法、装置、存储介质及电子设备，模型构建方法包括：根据一级标签预测矩阵、一级标签基准矩阵、目标矩阵和二级标签基准矩阵确定目标损失值；每当一批待训练数据训练完成后得到一目标损失值，每得到一目标损失值，将目标损失值回传到待训练模型中，以调整待训练模型的参数，直至待训练模型收敛。
- 文件检索系统及文件检索方法-202080036660.9
- 山本一宇;桃纯平;东和树 - 株式会社半导体能源研究所
- 2020-05-11 - 2021-12-24 - G06F16/35
- 实现无论检索者的能力如何都能够高效地检索文件的文件检索系统。使用储存有数据库文件数据的文件检索系统检索文件。在向文件检索系统输入第一文件数据和第二文件数据之后，该文件检索系统从第一文件数据抽出多个用语。例如，通过形态分析抽出用语。接着，基于第二文件数据对所抽出的用语进行加权。例如，将第二文件数据所表示的文件所包含的文本区分为第一文本和第二文本。使从第一文件数据抽出的用语中的第一文本所包含的用语的权重大于其他用语的权重。可以基于规则或通过机器学习来区分文本。然后，基于进行了加权的用语算出数据库文件数据的相对于第一文件数据的相似度。
- 基于机器学习的用户定制型专利文献自动分类方法、装置及系统-202080026589.6
- 尹政镐;辛政勋 - 韦尔特智力株式会社
- 2020-03-30 - 2021-11-26 - G06F16/35
- 可包括通过机器学习技术学习存储在专利数据库的专利文献，基于所述专利文献之间的近似度确立第一分类基准，基于所述第一分类基准生成对所述专利文献进行分类的基本分类模型的步骤；根据用户的检索及/或选择输入生成包括多个专利文献的专利池的步骤；接收所述用户的分类输入，并根据所述分类输入对包含在所述专利池的多个专利文献进行分类的步骤；根据分类的所述专利文献之间的近似度预测所述用户对所述多个专利文献进行分类的第二分类基准的步骤；以及根据所述基本分类模型及所述第二分类基准对所述专利池中还未分类的其余专利文献进行分类的步骤。
- 一种磁浮列车的故障文本分析处理方法-202110882198.0
- 程宝;张福景;张增一 - 中车大连电力牵引研发中心有限公司
- 2021-08-02 - 2021-11-09 - G06F16/35
- 本发明公开了一种磁浮列车故障文本分析方法，包括：获取故障发生时数据记录文件和故障解决后的处理措施文件，构成磁浮列车的故障文本；获取故障文本的特征词文本，利用TF‑IDF表示法将特征词文本转化为SVM分类算法输入向量；利用QPSO算法迭代优化，获取满足终止条件的粒子；并获得计算适应度值和SVM算法的最优参数值；利用SVM算法的最优参数值构造SVM分类模型；将SVM分类算法输入向量代入SVM分类模型进行训练，将SVM分类算法输入向量分为训练集、验证集和测试集，测试集训练分类结果作为SVM分类模型的评价指标。本发明将多维文本向量降维处理的过程，SVM分类算法计算的复杂性取决于支持向量的数目，而不是样本空间的维数，从一定程度上起到了降维目的。
- 基于显式和隐式方式对采集数据的分类-201980090578.1
- J·J·奥布里恩;B·S·曼特尔 - 特克特朗尼克公司
- 2019-11-27 - 2021-08-27 - G06F16/35
- 一种对波形数据进行分类的方法，包括：在测试和测量系统处接收输入波形数据；访问基准波形数据和对应类别的存储库；分析输入波形数据和基准波形数据以指定输入波形数据的类别；以及使用类别指定来向用户提供信息。一种测试和测量系统，具有用户界面、至少一个输入端口、通信端口、处理器，所述处理器被配置为执行指令，所述指令使处理器：通过输入端口或用户界面中的至少一个接收输入波形数据；访问基准波形数据的存储库；使用基准波形数据来分析输入波形数据；指定输入波形数据的类别；并使用类别向用户提供关于输入波形的信息。
- 划分知识图-201980074861.5
- T·沙伊德勒;E·吕格尔;S·勒维扎;F·弗勒特尔 - 国际商业机器公司
- 2019-11-22 - 2021-06-22 - G06F16/35
- 提供了一种用于划分知识图的方法。该方法分析过去的搜索并且确定多个边的访问频率。该方法将访问频率最高的边标记为中间集群核，将标记的中间集群核按照访问频率排序，选择访问频率最高的第一集群核。该方法在第一集群核心周围的第一半径中分配第一边以构建第一集群。该方法选择除了第一集群的边之外具有最高访问频率的第二集群核，并且在第二集群核周围的第二半径中分配第二边以构建第二集群。该方法将知识图划分成包括第一集群的第一子知识图以及包括第二集群的第二子知识图。
- 利用无监督学习来改进文本到内容建议的方法和系统-201980045182.5
- 张星星;李骥;韦福如;周明;A·斯里瓦斯塔瓦 - 微软技术许可有限责任公司
- 2019-05-01 - 2021-02-23 - G06F16/35
- 公开了一种用于为整个文本到内容建议服务提供特定于应用程序的嵌入的方法和系统。该方法包括：访问包含从应用程序收集的未标记训练数据的数据集，未标记训练数据是在用户隐私约束下收集的；将无监督ML模型应用于该数据集以生成预训练的嵌入；以及利用预训练的嵌入来训练应用程序所利用的文本到内容建议ML模型。
- 分类树生成-201980040343.1
- A·古铁雷斯·穆尼奥斯;S·亚帕拉吉特 - 微软技术许可有限责任公司
- 2019-06-14 - 2021-02-09 - G06F16/35
- 计算系统以无监督的方式(例如，无人为干预)生成用于域的分类树。从文档索引收集域的文档的层次结构。为每个层次结构的每个节点提取类别。将提取的类别作为多维类别向量嵌入到多维向量空间中。将多维类别向量分组为多个组，第一组的多维类别向量比第二组的多维类别向量更满足针对第一组的相似性条件。多维类别向量的每个组构成一个类别簇。每个类别簇包括针对来自层次结构的不同层次水平的所提取类别的多维类别向量。生成分类树，其中每个类别簇作为分类树的类别节点而被插入。
- 主题集细化-201980041803.2
- C·迈塔尼;M·舍利瓦斯塔瓦;P·舒克拉;J·巴克伦德;D·维格努德里;I·C·杜那拉维奇;张宏安 - 微软技术许可有限责任公司
- 2019-06-14 - 2021-02-05 - G06F16/35
- 一种包括一个或多个处理器的计算系统生成针对领域的主题集。由一个或多个处理器执行分类评估器以基于相关性条件对照领域特定分类树评估从领域特定文本数据生成的一组类别簇，并且标识满足相关性条件的类别簇。领域特定分类树是从与领域相关的文档的层次结构生成的。每个所标识的类别簇利用标签被标记。由一个或多个处理器执行主题集创建器以将所标识的一组类别簇的标签插入到针对领域的主题集中。
- 事件预测装置、预测模型生成装置以及事件预测用程序-201980029244.3
- 丰柴博义 - 株式会社FRONTEO
- 2019-04-23 - 2020-12-18 - G06F16/35
- 本发明具备：输入m个文本作为学习用数据的学习用数据输入部(10)，从m个文本中提取n个单词并计算出反映m个文本和n个单词之间的关联度的相似度指标值的相似度指标值计算部(100)，生成用于根据针对一个文本由n个相似度指标值构成的文本指标值组将m个文本分类为多个事件的分类模型的分类模型生成部(14)，以及事件预测部(21)，其将相似度指标值计算部(100)根据预测用数据输入部(20)所输入的文本而计算出的相似度指标值应用于分类模型中，由此根据作为预测对象的文本预测多个事件中的任一个；并且，本发明使用表示哪个单词对哪个文本具有何等程度的贡献的相似度指标值来生成高精度的分类模型。
- 危险行为预测装置、预测模型生成装置以及危险行为预测用程序-201980029597.3
- 丰柴博义;内山秀文 - 株式会社FRONTEO
- 2019-04-23 - 2020-12-11 - G06F16/35
- 本发明提供危险行为预测装置、预测模型生成装置以及危险行为预测用程序；该危险行为预测装置具备：输入患者的电子病历中包含的m个文本的学习用数据输入部(10)；从m个文本提取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相似度指标值的相似度指标值计算部(100)；生成用于根据针对一个文本由n个相似度指标值构成的文本指标值组将m个文本分类为多个事件的分类模型的分类模型生成部(14)；以及通过将相似度指标值计算部(100)从预测用数据输入部(20)输入的文本计算出的相似度指标值应用于分类模型中，从而根据预测对象的文本预测发生跌倒的可能性的危险行为预测部(21)；使用表示哪个单词对哪个文本的贡献程度如何的相似度指标值生成高精度的分类模型。
- 自动批次分类-201980017641.9
- 丹尼尔·李·赫维茨;伊多·盖伊 - 电子湾有限公司
- 2019-02-14 - 2020-10-30 - G06F16/35
- 公开了用于批次分类的方法、系统和介质。在一个示例中，用于识别批次列表的分类系统在发布系统中接收对列表的描述，识别该列表中的字符串，识别该字符串中的数量词或数字，并将所识别的数量词转换为数字形式。标记化归一化字符串以产生标记，对归一化字符串的标记化包括使用分隔符序列将归一化字符串分成一系列子字符串。对于每个子字符串，通过将任何数字与任何其他相邻字符分开(除非该字符是另一个数字)来执行附加拆分，并保持每个拆分子字符串的内部字符顺序以产生经标记化的标记的扁平列表。
- 专利分类
