专利标题 公开号/公告号 公开日期 摘要 专利状态
一种基于LSTM与Transformer-XL融合的机器翻译方法及系统 CN202410475759.9 - 本申请提供了一种基于LSTM与Transformer‑XL融合的机器翻译方法及系统，该方法包括：获取待翻译的源语言；构建LSTM编码器；根据所述LSTM编码器和所述源语言获取上下文向量；构建Transformer‑XL解码器；将所述上下文向量输入至所述Transformer‑XL解码器，以获取翻译结果；本方法通过将LSTM编码器和Transformer‑XL解码器按顺序堆叠在一起，将源语言的输入序列首先通过LSTM编码器，然后将其输出作为Transformer‑XL的输入，这样可以保留LSTM编码器对时间的依赖关系，并通过Transformer‑XL解码器的自注意力机制捕获全局上下文信息，从而提高机器翻译的准确性和流畅性；该系统具有同样的效果。 实质审查
一种大模型知识蒸馏低秩适应联邦学习方法、电子设备及可读存储介质 CN202410473762.7 2024-07-19 本发明提供的大模型知识蒸馏低秩适应联邦学习方法，是通过在各个客户端内部署学生模型和教师模型，同时在各个客户端相连接的中央服务端内部署同结构的学生模型；在各个客户端内，基于学生模型、教师模型和预设本地数据，计算获取教师模型的总损失和学生模型的总损失；通过学生模型的总损失和低秩适应方法计算获取低秩梯度矩阵并上传至中央服务端；通过中央服务端内的学生模型聚合后的参数梯度矩阵，更新学生模型参数，重复多次直至教师模型收敛。相比于现有技术，本方法通过低秩适应方法分解参数梯度矩阵，可以显著减少联邦学习时客户端和服务端之间的通讯参数量，极大地提高了通讯效率。 专利权的授权
一种医学检验指标解读方法、装置、设备及介质 CN202410452307.9 2024-07-19 本申请公开了一种医学检验指标解读方法、装置、设备及介质，涉及人工智能技术领域，包括：基于提示模板构建策略、处理后医学检验指标和处理后指标解读问句构建提示模板；提示模板通过指标解读任务描述、若干处理后指标解读问句及其解释依据和输出结果与指标解读样例问句拼接组成；利用大语言模型和提示模板生成指标解读样例问句的目标解释依据和目标输出结果；对处理后医学检验指标、处理后指标解读问句、目标解释依据和目标输出结果进行拼接得到目标样本；利用任务标记后的目标任务样本对预训练语言模型训练得到医学检验指标解读模型，利用医学检验指标解读模型对待解读指标问句进行解读。本申请帮助用户理解医学检验结果，提高线上问诊效率。 专利权的授权
一种数据注入方法、系统、终端及存储介质 CN202410448138.1 2024-06-25 本申请提供一种数据注入方法、系统、终端及存储介质，涉及计算机技术领域，特别是涉及一种数据注入方法，所述方法包括：获取预先创建的数据注入注解类、数据注入拦截类和数据注入实现类；通过数据注入注解类，对目标测试方法进行标记，得到标记了注解数据的第一测试方法；通过数据注入拦截类，对第一测试方法进行拦截，并获取第一测试方法的方法信息和方法参数；通过数据注入实现类，对方法信息进行解析，得到注解数据，并根据注解数据，获取文件数据；通过数据注入实现类，将文件数据注入方法参数中，以使第一测试方法直接使用方法参数中的数据进行测试。本申请能够提高功能测试方法的效率。 专利权的授权
任务处理方法、装置、系统及介质 CN202410341469.5 - 本申请公开了任务处理方法、装置、系统及介质，应用于任务处理技术领域，包括：生成公私钥对，并将公钥发送给参与模型训练任务的各个参与方设备；获取各个参与方设备分别上传的加密数据；加密数据为参与方设备利用公钥对本地参数进行加密得到的数据，并且，本地参数为参与方设备的本地模型的模型参数，或者利用本地训练数据对本地模型进行训练得到的模型梯度；各个参与方设备的本地模型相同；对各个参与方设备的所述加密数据进行聚合，得到聚合结果；利用私钥对所述聚合结果进行解密，并将解密结果发送给各个所述参与方设备，以便各个参与方设备基于所述解密结果更新本地模型。能够降低模型训练任务的计算和通信成本，并且提升了数据的安全性。 实质审查
基于纵向联邦学习的隐私数据处理方法及相关设备 CN202410331546.9 - 本发明公开了一种基于纵向联邦学习的隐私数据处理方法及相关设备，包括：通过协作方节点采用加密算法，生成公私钥对，并将公钥发送给各个参与方节点；各个参与方节点和协作方节点，采用公私钥进行相同样本对齐，得到用于对各个参与方进行纵向联邦学习的训练数据集；各个参与方节点通过训练数据集进行纵向联邦学习建模训练，得到目标联邦学习模型；各个参与方节点采用目标联邦学习模型进行隐私数据处理。采用本发明提升了隐私数据处理的安全性和效率。 实质审查
一种基于提示工程的弱监督文本分类方法及系统 CN202410323393.3 2024-05-28 本申请公开了一种基于提示工程的弱监督文本分类方法及系统，该方法包括获取无标签文本集合；获取所述无标签文本集合的初始伪标签；根据所述包含初始伪标签的文本集合对预训练模型进行分类微调，以生成目标伪标签文本集合；对所述目标伪标签文本集合进行噪声样本过滤；根据过滤后的所述目标伪标签文本集合获取目标分类器，并通过所述目标分类器对待分类文本进行分类；本方法通过根据无标签文本集合的初始伪标签对预训练模型进行有监督分类微调生成目标伪标签文本集合并进行噪声样本过滤，从而提高了分类器的性能，同时减少了人工标注文本数据的需求；该系统具有相同的有益效果。 专利权的授权
病历摘要生成方法、装置、计算机设备及介质 CN202410316142.2 2024-08-13 本发明公开了一种病历摘要生成方法、装置、设备及介质，包括：对病历文本进行聚类，得到若干类别的聚类文本；将每类聚类文本输入到初始病历摘要生成模型中，初始病历摘要生成模型包括初始教师模型、初始学生模型和判别模型；采用初始教师模型对每类聚类文本进行摘要生成，得到标注训练集，采用标注训练集对初始学生模型进行参数微调，得到微调学生模型；通过判别模型对初始教师模型和微调学生模型的模型效果进行评测，根据评测结果，确定混合训练集，采用混合训练集对初始病历摘要生成模型进行迭代训练，得到目标病历摘要生成模型；采用目标病历摘要生成模型对接收到的病历文本进行摘要生成，提升了病历摘要生成的精准度。 专利权的授权
一种成对数据增强的模型训练方法及系统 CN202410220807.X - 本发明提供一种成对数据增强的模型训练方法及系统，方法是通过获取原始图像样本数据后，基于生成模型对原始图像样本进行数据增强，得到增强后的图像样本数据；将增强后的图像样本数据按照成对输入至图像分类模型中进行训练。相比于现有技术，本发明通过对已获取的原始图像样本数据进行数据增强，并在数据增强过程中改变了图片类别；在数据增强后改变了数据输入方式，可以有效的解决由于背景与目标在颜色形状等特征上相似而造成的误检问题，降低误检概率。该系统具有相同的有益效果。 实质审查
基于知识蒸馏的语言模型训练方法、文本分类方法及设备 CN202410179392.6 2024-07-02 本发明公开了一种基于知识蒸馏的语言模型训练方法、文本分类方法及设备，包括：获取样本数据集，采用初始语言模型对样本数据集进行文本编码，得到句向量XE；基于句向量XE构建每个batch样本的软标签；构建损失函数，损失函数包含分类损失和差异损失；采用损失函数和样本数据集对初始语言模型进行训练，得到目标语言模型，使得该语言模型针对标准不完全的样本具有良好的识别效果，提升识别和分类的精准性。 专利权的授权