本发明涉及一种行为文本处理的语音服务内容识别方法,属于自然语言处理领域,包含以下步骤:采集客服的服务音频,计算音频各帧之间的声纹相似度,按相似度对音频帧进行聚类;建立客服人员音色库,确定服务音频客服身份;使用语音识别模型将服务音频转为语音文本;建立文本关键词库,计算与检索语音文本中的行为关键词,构建行为关键词序列;建立说话人行为识别模型,根据行为关键词序列确定客服行为,构建客服行为序列;建立服务内容识别模型,根据客服行为序列确定客服服务内容。
📄 2022114801029
📂 G06F16_334
👤 重庆邮电大学
📅 2022-11-22
基于尾句‑上下文双重注意力模型的多轮对话生成方法,属于人机对话领域。一个合适的回复应该是符合最后一个句子的语义且能够利用到整个上下文的信息。当前多轮对话生成主要基于层次的编码器‑解码器结构。本发明提出了一个尾句‑上下文双重注意力模型。每句话都通过编码器获取句子的语义表示。对最后一句话中每个词做注意力,同时对每句话的语义表示做注意力。二者拼接作为解码阶段的上下文向量。此外,本发明还引入了多头自注意力机制使得在获取每句话的语义表示时能更关注于关键的词。实验证明本发明方法的模型在自动评价和人工评价两个方面都超出了基准模型。
📄 2019105540795
📂 G06F16_33
👤 江南大学
📅 2019-06-25
本发明涉及一种基于相对相似度的文本视频检索模型训练方法,包括构建语料库的高频元素集合,获取每个视频数据的关键词集合,以便生成每个视频数据的语义标签特征,来计算任意两个视频数据的相对相似度,构建相对相似度矩阵;获取所有视频数据的帧级特征、时序帧级特征与视频级特征;获取每个文本描述的词级特征与句级特征;通过对不同的特征进行不同粒度的交互,获取细粒度相似度矩阵、视频粗粒度相似度矩阵与文本粗粒度相似度矩阵后,构建模态间损失函数、模态内视频对齐损失函数与模态内文本对齐损失函数,组成总损失函数;最小化总损失函数,获取训练好的视频编码器与训练好的文本编码器,构建视频文本检索模型。
📄 2024103762602
📂 G06F16_332
👤 江南大学
📅 2024-03-29
一种基于强化知识选择的大语言模型对话推荐方法,属于自然语言处理领域。本发明结合T5模型的编码器和RGCN模型,提高了对话内容的相关性和丰富性,使对话更自然、流畅且紧密贴合用户需求。采用T5模型作为策略模型,并结合强化学习,有效提升了对话生成的质量和精准度,确保知识选择的高效性。实验证明本发明的模型在自动评价和人工评价两个方面都超出了当前最新的基准模型。该方法通过创新的强化学习框架和算法,有效地解决了以上问题,为用户提供了更加智能、精准且高效的对话推荐服务。本方法的提出,不仅是对话推荐技术的一大进步,也为未来智能对话代理的研究和发展提供了新的方向。
📄 2024101650759
📂 G06F16_3329
👤 江南大学, 匀熵智能科技(无锡)有限公司
📅 2024-02-05
本发明涉及一种中文上位词检索方法,包括获取待查询数据样本中的下位词,带入预设提示模板中,得到含有掩码的待填空文本作为提示;对所述提示进行分词,获取Token序列;将所述Token序列输入预设预训练语言模型中,对所述掩码进行填空,获取预设配套词汇表中每个候选词被填入掩码的logit;获取logit值最高的候选词作为所述预训练语言模型的上位词最优预测结果。本发明首次将提示调优引入中文上位词检索领域,基于任务适应性强的提示调优技术,利用一个预设的固定提示模板来训练预训练语言模型的中文上位词检索能力;通过提示模板获取提示,进而引导预训练语言模型的推理过程,利用固定的提示模板,不断约束和规范模型的输出,从而产生期望的预测结果,获取上位词。
📄 202310214059X
📂 G06F16_33
👤 江南大学
📅 2023-03-07
本申请公开了一种馆藏资源语义检索方法、装置及存储介质,该方法包括:从馆藏书目记录中提取多类语义相关字段并生成字段存在标记向量,对已存在字段进行语义编码,得到字段级语义向量;针对缺失字段,将各已有字段的字段级语义向量输入对应的映射网络,生成多个预测向量,根据预测向量间的相似度确定一致性得分,并对预测向量取均值得到补偿向量;利用由全局缩放因子和一致性得分确定的衰减系数对补偿向量进行预处理,再结合字段存在标记向量,通过注意力聚合得到文档语义向量;对查询文本进行语义编码,并依据查询语义向量与文档语义向量的相似度对馆藏资源进行排序。本发明能够减小书目字段缺失对语义表示和检索结果的影响。
📄 2026110819642
📂 G06F16_3329
👤 江南大学
📅 2026-07-21
本发明涉及自然语言处理技术领域,尤其是指一种基于证据链的可验证大模型检索增强生成系统及方法,包括:接收初始查询,结合关联检索文档识别其模糊性与信息缺口,生成补充查询集合;基于初始查询、补充查询及对应检索文档,生成带引用的候选答案并验证其信息支持性;对经验证通过的候选答案,提取支持性信息并构建层级化归因映射关系;整合上述信息形成待评估信息,若当前经验证的待评估信息满足预设充分性条件,整合生成的初步答案与所述待评估信息,合成目标答案。本发明有效解决了传统RAG系统信息整合碎片化、模糊查询回答片面、归因低效及过度依赖检索内容的缺陷,兼具答案全面性、可验证性与部署轻量化优势。
📄 2025118864340
📂 G06F16_334
👤 江南大学; 江苏磐智数云科技有限公司; 无锡智语未来科技有限公司
📅 2025-12-15
一种文本匹配方法及装置、存储介质和计算机设备,所述方法包括:获取至少两组的待检测文本;对每一组待检测文本进行文本解析,以提取该待检测文本中的初始特征;获取所述初始特征对应的关联数据,并提取所述关联数据中的特征作为挖掘特征;根据初始特征和挖掘特征确定所述至少两组待检测文本彼此之间的匹配度,以对各组待检测文本进行匹配。通过本发明方案补充了与检测文本相关的挖掘特征,丰富了文本匹配的特征维度,且在匹配过程中增加社会属性,从而有效提高匹配结果的准确度。
📄 2020106876132
📂 G06F16_33
👤 上海芯翌智能科技有限公司
📅 2020-07-16
本发明公开了一种基于关键词引导和GATv2‑LSTM网络的场景图问答方法,步骤包括:对文本和场景图预处理,将文本形式的问题换为词向量序列,删除图中与问题无关的节点并编码生成新的场景图表示。将问题的词向量序列利用Transformer进行编码,提取问题关键词,利用关键词引导GATv2学习场景图特征,并利用LSTM网络对图特征进行归纳、推理,最后将问题特征与场景图特征相融合,输入到分类器获取最终答案。本方法使用场景图和关键词引导,并利用LSTM进行归纳、推理,能够有效缩小模态间差距、避免模型直接学习图像与文本间的映射,提高问答的准确率。
📄 2023108237103
📂 G06F16_3329
👤 武汉科技大学
📅 2023-07-05
本发明公开了一种知识驱动的多路筛选融合对话生成方法,包括:对当前对话的上下文进行预处理,由双向GRU组成的话语编码器中对上下文信息进行编码,获取相应的语义向量;基于多路知识筛选机制,通过计算语义向量信息与知识集合中每条知识的相似度,选择与当前对话最相关的知识信息,融合得到筛选后的知识信息;采用知识融合模块将知识信息与上下文的语义信息融合,借助注意力机制计算得到中间语义向量;将中间语义向量和知识信息一同送入解码器中进行响应的生成。本发明能充分利用上下文的语义信息,筛选与之高度相关的背景知识信息,将所筛选的知识信息融入对话生成的过程,提高了对话生成的质量。
📄 2022104293735
📂 G06F16_3329
👤 南京信息工程大学
📅 2022-04-22
本发明公开了一种空间语义增强的不动产登记知识检索增强生成方法,属于地理信息技术、自然语言处理与检索增强生成的交叉技术领域,首先获取用户查询请求,对查询请求进行空间语义解析,提取空间几何与拓扑约束特征、权属业务特征及文本语义特征,并生成统一向量空间中的联合查询表示;在不动产登记多模态知识库中进行多层次混合检索,融合检索结果构建上下文增强表示,上下文增强表示输入语言大模型,生成结构化应答并完成输出。本发明基于空间语义增强的检索推理技术,为不动产登记业务查询提供高效、准确、可靠的智能化处理方案,显著提升业务查询质量与效率,具有良好的推广应用价值。
📄 2026105338801
📂 G06F16_3329
👤 南京信息工程大学, 常州市自然资源和规划服务中心
📅 2026-04-22
本发明公开了一种基于超图神经网络和情感感知的知识追踪方法及系统,属于知识追踪领域。本发明的方法首先获取由学生账户的练习数据组成的练习数据集,然后将练习数据中习题与知识点之间的关系转换为矩阵表示,构建习题‑知识点关联矩阵,基于习题‑知识点关联矩阵将学生账户的练习数据构成习题‑知识点超图,构建包含超图神经网络、情感感知模块以及预测模块的知识追踪模型并进行训练,将待进行知识追踪的练习数据输入至训练好的知识追踪模型中,输出学生对下一习题答题结果的预测值。本发明的方法通过超图结构与情感因素的结合,获取学生在不同情感状态的知识掌握情况,提高知识追踪的预测性能,对智能导学系统精准化、个性化发展具有重要意义。
📄 2024118754007
📂 G06F16_332
👤 浙江师范大学
📅 2024-12-19