专利标题 公开号/公告号 公开日期 摘要 专利状态
基于视频去重的在线动作识别方法、装置及相关设备 CN202311657804.4 - 本发明公开了一种基于视频去重的在线动作识别方法、装置、计算机设备及存储介质，所述方法包括：从在线视频中获取当前帧图像和历史帧图像序列，并将当前帧图像和历史帧图像序列输入动作识别模型中。确定当前帧图像对应的空间编码向量和历史帧图像序列对应的空间编码向量序列；对所述空间编码向量序列中的向量进行时间编码，得到编码结果，对编码结果中满足预设条件的特征进行去重，得到历史时间编码向量；对所述历史时间编码向量和所述当前帧图像对应的空间编码向量进行交互注意力计算，并对得到的注意力结果进行连接，得到解码结果；对解码结果进行动作识别，得到动作识别结果，采用本发明提高在线视频动作识别的精度、增强模型的鲁棒性。 实质审查
基于统一大模型的动作检测分类方法及系统、设备、介质 CN202311648764.7 - 本发明公开了一种基于统一大模型的动作检测分类方法及系统、设备、介质，其通过先获取包含特定动作的多个视频并制作样本数据集，然后构建动作检测分类统一大模型并利用样本数据集对统一大模型进行训练，最后利用训练好的统一大模型对待动作分类的视频进行动作类别、开始帧和结束帧的预测。本发明基于transformer大模型来构建动作检测分类统一大模型，可以直接预测出动作类别、动作开始帧和动作结束帧，无需经历两阶段式训练学习，实现了端到端的学习，极大地节约了计算资源，提高了算法效率，缩短了训练时间，并且可以灵活地迁移到新的动作识别任务，通用性较好。 实质审查
基于分区数据划分的医疗数据缺失值填充方法及系统 CN202311646281.3 - 本发明公开了一种基于分区数据划分的医疗数据缺失值填充方法及系统，其先根据数据样本的标签类别将不完整数据集划分为多个子集，实现了数据标签聚类，再对每个子集进行居中化处理，可以更好地描述每个子集的数据样本在各个特征上的集中趋势，并通过计算每个子集与居中值集合中数据样本的成对相似度来将每个子集划分为多个分区，可以准确地实现每个子集的数据特征聚类，再通过两次相似度计算筛选出匹配数据样本进行缺失值填充。整个缺失值填充过程不依赖完整数据集，大大提高了算法的通用性，并且填充过程先后经过了数据标签聚类、数据特征聚类和两次相似度筛选，可以准确地找到最相似的特征值进行填充，大幅度提高了缺失值的填充准确度。 实质审查
一种多轮对话方法、装置、设备及存储介质 CN202311653310.9 - 本申请公开了一种多轮对话方法、装置、设备及存储介质，涉及生成式对话领域，包括：通过嵌入层确定与当前轮次提问数据对应的第一词向量，以及与所有轮次历史问答内容分别对应的第二词向量；基于与所有轮次历史问答内容对应的相似度矩阵对所有轮次历史问答内容进行分组，得到若干组主题；对第一词向量与各组主题分别进行相似度计算得到各组主题分别对应的主题得分；利用各组主题分别对应的主题得分对相应的第二词向量进行加权，并将加权结果和第一词向量输入至对话大模型的解码器模块，以生成与当前轮次提问数据对应的主题答复结果。本申请基于相似度矩阵并进行主题分析，可以降低无效历史问答内容对当前输入的干扰，提高模型输出的质量和相关性。 实质审查
基于知识图谱的知识检索方法、装置、设备及存储介质 CN202311653395.0 - 本申请公开了一种基于知识图谱的知识检索方法、装置、设备及存储介质，涉及深度学习领域，应用于大语言模型，包括：基于预设知识图谱设置若干知识图谱节点，并在知识图谱节点中保存知识向量、身份向量和转移矩阵；获取输入向量，并基于转移矩阵和输入向量映射出查询向量；判断当前知识检索是否为首轮知识检索，若不是，则确定上一轮的第一知识图谱节点，并基于第一知识图谱节点和查询向量根据预设节点召回规则进行节点召回，得到若干第二知识图谱节点；基于若干第二知识图谱节点生成大语言模型的输出向量。通过结合知识图谱和大语言模型，让大语言模型中的知识分散在知识图谱的节点中，提升训练和检索的效率。 实质审查
一种基于知识增强的大模型问答方法、装置、设备及介质 CN202311648000.8 - 本申请公开了一种基于知识增强的大模型问答方法、装置、设备及介质，涉及计算机技术领域，包括：获取待回答问题，并基于预设对话大模型确定与所述待回答问题对应的初始答复信息；基于预设信息提取规则对所述初始答复信息执行相应的信息提取操作，以得到相应的提取后答复信息；利用预设检索系统以及已格式化的预设外部知识源针对所述提取后答复信息进行检索，并根据预设信息结合规则将得到的检索结果与所述待回答问题进行结合，以完成相应的知识增强操作，得到相应的增强后问题；将所述增强后问题输入至所述预设对话大模型中，以得到与所述待回答问题对应的目标答复信息本申请能够有效提高对话大模型的可靠性。 实质审查
融合知识库的大模型训练方法、装置、设备及存储介质 CN202311652507.0 - 本申请公开了融合知识库的大模型训练方法、装置、设备及存储介质，涉及深度学习领域，包括：基于获取到的令牌ID对预设结构化知识库进行检索，得到与令牌ID对应的当前嵌入向量及当前模型参数坐标；利用预设算法、当前嵌入向量以及对应的当前模型参数坐标确定与当前模型参数坐标对应的模型参数集；基于模型参数集执行大模型构建操作、映射操作，并基于映射后得到的新的当前嵌入向量及对应的新的当前参数坐标重新跳转至利用预设算法、当前嵌入向量以及对应的当前模型参数坐标确定与当前模型参数坐标对应的模型参数集的步骤，直至循环跳转的次数满足预设条件时，得到完成当前模型训练操作的目标大模型。本申请有效提高了模型训练的训练效果。 实质审查
基于开放集的视频动作识别方法、装置、设备及存储介质 CN202311652567.2 - 本申请公开了一种基于开放集的视频动作识别方法、装置、设备及存储介质，涉及计算机视觉技术领域，包括：获取待识别视频，并基于预设时间长度将待识别视频划分为若干视频片段；基于预设关键帧提取规则从若干视频片段中分别提取出相应的若干关键帧；利用预设视觉编码器对若干关键帧进行处理，得到包含时间信息和空间信息的视觉编码特征；通过预设文本解码器对视觉编码特征进行解码处理，得到与待识别视频对应的动作描述文本；预设文本解码器由多头自注意力和前馈神经网络构成；从动作描述文本中确定出与待识别视频对应的若干动作类别。这样一来，本申请结合空间和时间信息识别动作，直接从动作描述文本确定动作类别，提高了准确性和鲁棒性。 专利申请的更正
融合目标领域知识的模型构造及应用方法、装置、设备 CN202311653303.9 - 本申请公开了一种融合目标领域知识的模型构造及应用方法、装置、设备，涉及深度学习领域，包括：融合目标领域知识的模型包含域分类器、若干连续的第一转换器模块和若干连续的第二转换器模块，第一转换器模块为预训练大语言模型中的原始转换器模块，第二转换器模块为利用域自适应模块对原始转换器模块进行结构优化得到的模块；利用域分类器对基于第一转换器模块确定的输入向量进行分类得到分类结果；利用第二转换器模块中的域自适应模块基于分类结果是否属于目标领域判断是否调用可学习权重参数，基于判断结果和预训练大语言模型的权重参数确定输出结果。本申请基于分类结果确定是否调用可学习权重参数，缓解模型对其他领域数据的处理性能的损害。 实质审查
基于空间网格的注意力机制的模型构建方法、装置及设备 CN202311652640.6 - 本申请公开了一种基于空间网格的注意力机制的模型构建方法、装置及设备，涉及深度学习领域，包括：基于若干状态空间构建用于存储短期记忆的第一空间网格和用于存储长期记忆的第二空间网格，利用第一空间网格和第二空间网格对预训练语言模型中的转换器模块的自注意力机制进行替换得到大模型；利用大模型基于输入向量生成写入坐标和读取坐标；基于双边线性插值对第一空间网格中写入坐标所处的状态空间进行写入，并对第二空间网格和第一空间网格中读取坐标所处的两个状态空间进行读取以基于读取参数确定输出向量。本申请基于若干状态空间构建空间网格，扩大状态记忆空间以存储更多知识，通过坐标准确定位需要写入和读取的状态空间，提高模型效率。 实质审查