本发明涉及一种机器人对话控制方法和系统,从预设聊天大数据知识库中检索与输入语句匹配度最大且存在答复语句的语句作为检索结果语句,将检索结果语句的答复语句作为输出语句并输出。从包括多条类聊天语句以及多条聊天语句中至少一条聊天语句对应的答复语句的聊天大数据知识库中进行搜索,不再从根据人工制作的语句以及答复语句建立的数据库中进行搜索,从而获得的检索结果语句以及其对应的答复语句更符合实际用户聊天的语句,提高合理性和真实性,且匹配度越大聊天语句与输入语句越符合,采用与输入语句匹配度最大的检索结果语句对应的答复语句回复用户会更加合理和真实。
📄 2016102814037
📂 G06F16_00
👤 华南师范大学
📅 2016-04-29
本发明公开了一种个性化推荐方法和系统,所述方法包括:获取当前推荐系统向用户推荐的推荐结果序列;在推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列;根据用户的身份信息查询是否存储用户的属性;当查询结果为是时,分别将初次推荐结果序列中的各个推荐结果与用户的属性进行匹配;根据匹配结果,按照预设原则对初次推荐结果序列中的各个推荐结果进行排序;在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列;输出最终推荐结果序列。本发明提高对用户进行推荐的准确率,进而提高用户对推荐结果的采纳率,提升推荐系统对用户的价值。
📄 2015110350608
📂 G06F16_00
👤 华南师范大学
📅 2015-12-31
本发明公开了一种个性化推荐方法和系统,所述方法包括:获取当前推荐系统向用户推荐的推荐结果序列;在推荐结果序列中获取预设方向的预设推荐个数个推荐结果作为初次推荐结果序列;根据用户的身份信息在相反属性知识库中查询是否存储用户的相反属性;当查询结果为是时,分别将初次推荐结果序列中的各个推荐结果与用户的相反属性进行匹配;删除初次推荐结果序列中与用户的相反属性的匹配结果符合预设条件的推荐结果;根据初次推荐结果序列剩余的推荐结果得到最终推荐结果序列;输出最终推荐结果序列。本发明提高对用户进行推荐的准确率,进而提高用户对推荐结果的采纳率,提升推荐系统对用户的价值。
📄 2015110348947
📂 G06F16_00
👤 华南师范大学
📅 2015-12-31
一种基于深度多网络学习的集能型无线中继网络吞吐量最大化方法,包括以下步骤:1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量,其中,优化问题描述为一个多变量优化问题;2)将问题P1分解为两部分优化:功率子优化和时隙子优化,即通过深度多网络学习的方法优化变量pi和来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
📄 2018107959915
📂 G06F16_00
👤 浙江工业大学
📅 2018-07-19
本发明公开了一种包含密度花样信息的提花手套机工艺文件及加载方法。工艺文件的数据结构包括文件头信息FILE_INFO;整机编织时的每行动作信息;用于实际编织时的度目密度参数;手套花型的花样信息。本发明将文件头信息、动作行信息、度目密度参数、花样信息合并成一个文件传输,所有数据信息经过协议转换压缩并且解析方便,尤其是解决了某些加载方式中花样信息多无法进行压缩的问题,系统能够直接读取该工艺文件的花样信息且在人机交互上预览显示。也克服了文件分开传输分开加载时花样、度目密度参数信息总会丢失的缺点,同时可以高效初始化该文件的度目密度参数,给测试人员提供最大化的便利。
📄 2021107116723
📂 G06F16_00
👤 浙江康立自控科技有限公司
📅 2021-06-25
本发明涉及一种订单处理方法和装置,该方法包括:获取目标订单号,解析所述目标订单号,从解析的所述目标订单号中提取预设位置的第一字段、第二字段和第三字段;根据所述第一字段确定出对应的业务线标识,查找与所述业务线标识对应的至少一个城市标识;根据所述第二字段从所述至少一个城市标识中选取对应的目标城市标识,获取与所述目标城市标识对应的至少一个流程版本号;从所述至少一个流程版本号中选取与所述第三字段相匹配的版本号作为目标流程版本号,获取与所述目标流程版本号对应的流程配置文件;加载所述流程配置文件生成对应的业务流程,根据所述业务流程来对与所述目标订单号对应的订单进行处理。提高了订单处理效率。
📄 2017100875736
📂 G06F16_00
👤 平安科技(深圳)有限公司
📅 2017-02-17
本发明请求保护一种改进的RBF神经网络热点话题用户参与行为预测方法,属于计算机网络信息技术分析领域。首先,考虑到神经网络能够对用户行为之间复杂的非线性关系起到良好的拟合效果,并进一步采用RBF(Radical Basis Function,径向基函数)神经网络构建用户参与行为预测模型;其次,由于用户属性与参与行为之间的映射关系具有不确定性,引入云理论(Cloud)对RBF中隐含层的激活函数进行优化;最后,针对用户的参与行为随时间变化的特点,利用时间离散化及时间切片方法,对话题热度进行基于指数函数模型的参数拟合,从而得出话题热度变化趋势。
📄 2016111899744
📂 G06F16_00
👤 重庆邮电大学
📅 2016-12-21