专利交易市场

本发明公开一种基于深度学习生成文档图像集的方法：首先将页面对象类型序列从一维向量空间投影至二维向量空间；然后进行深度卷积生成对抗网络建模；训练网络参数并使用训练好的网络模型生成对象类型序列；根据网络生成的对象类型序列生成文档对象内容；最终将文档转换成文档图像，生成文档图像集。基于深度学习框架的卷积生成对抗网络自动生成图像文档，使用对抗网络中的判别网络学习现存的文档图像，用对抗网络中的生成网络自动生成新的文档图像，从而得到文档图像集；由于采用现存的文档图像训练网路参数，生成的文档图像更贴近出版物，且与人工标注相比能够自动生成文档图像集及标注信息，节省时间和人力成本，避免由于人工标注带来的无效标注。

本公开的实施例公开了自动驾驶故障评分表生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取自动驾驶系统的故障类型信息集合；获取自动驾驶系统的设备故障评分值集合；对设备故障评分值集合中的每个设备故障评分值和与设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分权重；对故障评分权重集合中的每个故障评分权重、与故障评分权重对应的设备故障评分值和与设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值；基于各个设备故障评分值分别对应的各个设备故障的故障类型和故障评分值集合，生成故障评分表。该实施方式实现了对车辆故障的评分，有助于车载系统提高对自动驾驶故障检测的准确度。

本发明提供一种业务辅助方法、装置、业务自助机及存储介质。所述方法包括：生成业务自助机的识别码；当检测到移动终端对识别码的扫码操作时，更新识别码；根据移动终端的机器使用请求中的识别码判断业务自助机对移动终端当前是否可用；若业务自助机对移动终端当前可用，接收移动终端对应用户的业务申请；按照业务申请的信息填写流程引导用户进行业务申请的信息填写；判断业务申请的信息填写进度是否达到预设进度；若业务申请信息的填写进度达到预设进度，为用户生成业务申请的业务预约号。本发明提高了业务自助机的使用效率和业务网点的业务办理效率。

本申请实施例涉及自然语言处理和金融领域，提供了一种舆情应对预案生成方法、装置、服务器及存储介质，该方法包括：获取舆情事件对应的报道文章集合；对每个报道文章进行分句，得到句子集合，识别句子集合中每个句子的风险类型，并根据每个句子的风险类型，确定目标风险类型；根据报道文章集合确定舆情事件所处的舆情发展阶段；根据目标风险类型和舆情发展阶段，从预设应对预案文本库中匹配对应的应对预案文本；根据舆情事件对应的舆情文本、应对预案文本和预设预案生成条件，生成舆情应对预案文本。该方法提高了生成舆情应对预案文本的效率和准确性。

本发明公开了一种组卷文件生成方法，包括：获取待编辑文件；对待编辑文件铺设点阵码，输出待编辑文件的纯内容底图文件以及铺码底图文件；对铺码底图文件的各个试题区域进行区域框选操作，得到多个试题框选区域；获取各个试题框选区域对应的区域编码信息；将各个试题框选区域分块存储于预设试题数据库，并利用区域编码信息在预设试题数据库中对各个试题框选区域进行标记；基于批改者标识与试题类型预设关联关系、预设批改者标识与试题标识预设关联关系、试题选择指令三者中至少之一提取批改者对应的试题的目标试题框选区域；基于目标试题框选区域合成待批改试题组卷，并对待批改试题组卷中对各个待批改试题设置批改区域。

本发明公开了基于条件变分自动编码器和检索增强的商品文案生成方法，设计推理模块、生成模块、评估模块、记忆模块、提示工程模块，针对用户输入内容，基于图神经网络，采用路径剪枝与多跳推理，在推理模块，利用路径推理实现低得分的路径的剪枝，提高推理的效率，并且推理隐含的关系；生成模块引入逐层变分自编码器，通过条件变量，使得生成的候选商品文案能够满足特定的条件要求，评估模块对候选商品文案进行综合评分，构建记忆模块储存用户与生成模块的对话，提示工程模块基于思维树结构进行预设轮次的迭代，获得最终的商品文案，本发明所设计的方法可提升文案的个性化与真实感，实现风格清晰、多样化的广告文案生成。

本发明公开了一种基于正则表达式的病历数据提取方法及系统，涉及医疗数据处理技术领域，该方法包括：识别病历管理系统中至少一个电子病历，获取电子病历数据，对电子病历数据进行结构化处理以输出结构化病历；采用预生成的正则表达式对结构化病历中每个节点对应的初始内容进行预处理；通过正则表达式在结构化病历中对初始内容进行数据处理；输出XML结构形式的目标数据。本发明通过将电子病历进行结构化处理，并基于正则表达式进行数据提取，能够有效降低电子病历数据提取的难度系数，提升电子病历数据提取的便利性与规范性。

本发明公开了一种面向建筑行业信息化服务问答系统的文本生成方法和装置，属于人工智能、自然语言处理技术领域。本发明要解决的技术问题为如何防止生成式问答系统的编码过程中的层间特征缺失和解码过程中的特征缺失，以保证文本生成的精确性，采用的技术方案为：通过构建并训练由嵌入模块、编码器模块、隐藏状态互信息模块、隐藏变量互信息模块、解码器模块组成的文本生成模型，实现对原始文本的多层编码，获取原始文本的文本表示和隐藏信息；分别对不同层次编码的隐藏状态、原始文本的隐藏变量及其采样信息计算互信息，最大化其互信息；对原始文本和目标文本进行编码，通过注意力机制获取两者之间的相关性信息，最终以达到文本生成的目的。