CN111597301B - 文本预测方法、装置以及电子设备 - Google Patents
文本预测方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN111597301B CN111597301B CN202010335155.6A CN202010335155A CN111597301B CN 111597301 B CN111597301 B CN 111597301B CN 202010335155 A CN202010335155 A CN 202010335155A CN 111597301 B CN111597301 B CN 111597301B
- Authority
- CN
- China
- Prior art keywords
- prediction
- predicted
- text
- target
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了文本预测方法、装置以及电子设备,涉及文本预测技术领域。具体实现方案为:获取待预测的文本,以及文本的预测需求信息,预测需求信息包括:预测对象以及预测目标;根据预测需求信息中的预测目标在模型语义表中查询,获取与预测需求信息中的预测目标对应的目标预测模型;模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;结合预测对象以及目标预测模型,确定文本的预测结果,从而能够根据文本的预测需求去选择预测模型进行预测,成本低,具有普遍适用性,且效率高。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及文本预测技术领域,尤其涉及文本预测方法、装置以及电子设备。
背景技术
目前的文本预测方法主要是,获取待预测的文本,例如判断文本等,手动获取文本中预测对象的特征组合,选择模型,将特征组合输入模型,获取文本的置信度,根据置信度确定文本的预测结果。
上述方法中,需要用户手动获取文本中预测对象的特征组合,手动选择模型,对用户的技术要求非常高,成本高,没有普遍适用性,且效率差。
发明内容
本申请提供了一种文本预测方法、装置以及电子设备。
根据第一方面,提供了一种文本预测方法,包括:
获取待预测的文本,以及所述文本的预测需求信息,所述预测需求信息包括:预测对象以及预测目标;
根据所述预测需求信息中的预测目标在模型语义表中查询,获取与所述预测需求信息中的预测目标对应的目标预测模型;所述模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;
结合所述预测对象以及所述目标预测模型,确定所述文本的预测结果。
本申请实施例的文本预测方法,通过获取待预测的文本,以及文本的预测需求信息,预测需求信息包括:预测对象以及预测目标;根据预测需求信息中的预测目标在模型语义表中查询,获取与预测需求信息中的预测目标对应的目标预测模型;模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;结合预测对象以及目标预测模型,确定文本的预测结果,从而能够根据文本的预测需求去选择预测模型进行预测,成本低,具有普遍适用性,且效率高。
本申请第二方面实施例提出了一种文本预测装置,包括:
获取模块,用于获取待预测的文本,以及所述文本的预测需求信息,所述预测需求信息包括:预测对象以及预测目标;
查询模块,用于根据所述预测需求信息中的预测目标在模型语义表中查询,获取与所述预测需求信息中的预测目标对应的目标预测模型;所述模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;
确定模块,用于结合所述预测对象以及所述目标预测模型,确定所述文本的预测结果。
本申请实施例的文本预测装置,通过获取待预测的文本,以及文本的预测需求信息,预测需求信息包括:预测对象以及预测目标;根据预测需求信息中的预测目标在模型语义表中查询,获取与预测需求信息中的预测目标对应的目标预测模型;模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;结合预测对象以及目标预测模型,确定文本的预测结果,从而能够根据文本的预测需求去选择预测模型进行预测,成本低,具有普遍适用性,且效率高。
本申请第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的文本预测方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如上所述的文本预测方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是模型语义表的示意图;
图3是文本预测的示意图;
图4是根据本申请第二实施例的示意图;
图5是用来实现本申请实施例的文本预测的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的文本预测方法、装置以及电子设备。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例提供的文本预测方法的执行主体为文本预测装置,文本预测装置具体可以为硬件设备,或者硬件设备中的软件等。其中,硬件设备例如终端设备、服务器等。
如图1所示,文本预测方法具体实现过程如下:
步骤101,获取待预测的文本,以及文本的预测需求信息,预测需求信息包括:预测对象以及预测目标。
本实施例中,步骤101之前,文本预测装置还可以确定待预测的文本,以及文本的预测需求信息。文本预测装置确定待预测的文本,以及文本的预测需求信息的过程例如可以为,获取待处理文本;在待处理文本中存在预设的关键词时,将待处理文本确定为待预测的文本;确定文本的预测需求信息。其中,待预测的文本例如可以为“判断张三是否是犯罪人员”等。关键词例如可以为“判断”、“预测”等。预测对象例如可以为“张三”、“王五”等。预测目标例如可以为“犯罪”、“赌博”等。
步骤102,根据预测需求信息中的预测目标在模型语义表中查询,获取与预测需求信息中的预测目标对应的目标预测模型;模型语义表包括:多个预测模型的属性信息;属性信息包括:预测模型的预测目标。
本实施例中,属性信息还可以包括:特征组合函数接口、模型调用接口、模型类型等。其中,模型语义表的示意图例如可以如图2所示。在图2中,模型语义表中包括:两个预测模型的属性信息。第一个预测模型的预测目标为“犯罪”,模型调用接口为“/a/b”,特征组合函数接口为“crime”,模型类型为“逻辑回归模型(LogisticRegression,LR)”。第二个预测模型的预测目标为“赌博”,模型调用接口为“/a/c”,特征组合函数接口为“game”,模型类型为“梯度提升随机树GBDT”。其中,图2中的名称就是预测目标。
本实施例中,文本预测装置可以根据预测目标查询模型语义表,将对应的属性信息中包括所述预测目标的预测模型确定为与预测目标对应的目标预测模型。
步骤103,结合预测对象以及目标预测模型,确定文本的预测结果。
本实施例中,文本预测装置执行步骤103的过程例如可以为,根据预测对象调用目标预测模型的特征组合函数接口,确定预测对象的特征信息;根据预测对象的特征信息调用目标预测模型的模型调用接口,确定文本的预测结果。
本实施例中,预测对象的特征信息可以为多个特征的组合。不同的预测模型的特征组合函数接口,可以生成不同的特征组合。本实施例中,特征组合函数确定预测对象的特征信息的方式为,获取预测对象的历史行为数据;根据预测对象的历史行为数据,确定预测对象的特征信息。
本实施例中,目标预测模型的输入可以为预测对象的特征信息,输出可以为文本的置信度,根据文本的置信度可以确定文本的预测结果。以待预测的文本为“判断张三是否是犯罪人员”为例,文本预测的示意图可以如图3所示。在图3中,待预测的文本中存在预设的关键词“判断”,包括预测对象“张三”和预测目标“犯罪”。根据预测目标“犯罪”在模型语义表中选择目标预测模型;根据预测对象“张三”调用目标预测模型的特征组合函数接口,获取预测对象“张三”的特征信息为“l1 l2 l3 l4 l5 l6 l7”;根据预测对象“张三”的特征信息调用目标预测模型的模型调用接口,获取文本的置信度,即张三为犯罪人员的置信度,在置信度大于预设的置信度阈值时,确定文本的预测结果为“张三为犯罪人员”。
本申请实施例的文本预测方法,通过获取待预测的文本,以及文本的预测需求信息,预测需求信息包括:预测对象以及预测目标;根据预测需求信息中的预测目标在模型语义表中查询,获取与预测需求信息中的预测目标对应的目标预测模型;模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;结合预测对象以及目标预测模型,确定文本的预测结果,从而能够根据文本的预测需求去选择预测模型进行预测,成本低,具有普遍适用性,且效率高。
为了实现图1至图3所述实施例,本申请实施例还提出一种文本预测装置。
图4是根据本申请第二实施例的示意图。如图4所示,该文本预测装置400包括:获取模块410、查询模块420和确定模块430。
其中,获取模块410,用于获取待预测的文本,以及所述文本的预测需求信息,所述预测需求信息包括:预测对象以及预测目标;
查询模块420,用于根据所述预测需求信息中的预测目标在模型语义表中查询,获取与所述预测需求信息中的预测目标对应的目标预测模型;所述模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;
确定模块430,用于结合所述预测对象以及所述目标预测模型,确定所述文本的预测结果。
在本申请一个实施例中,所述获取模块410,还用于获取待处理文本;
所述确定模块430,还用于在所述待处理文本中存在预设的关键词时,将所述待处理文本确定为待预测的文本;确定所述文本的预测需求信息。
在本申请一个实施例中,所述属性信息还包括:特征组合函数接口和模型调用接口;
所述确定模块430具体用于,根据所述预测对象调用所述目标预测模型的特征组合函数接口,确定所述预测对象的特征信息;根据所述预测对象的特征信息调用所述目标预测模型的模型调用接口,确定所述文本的预测结果。
在本申请一个实施例中,特征组合函数确定所述预测对象的特征信息的方式为,获取所述预测对象的历史行为数据;根据所述预测对象的历史行为数据,确定所述预测对象的特征信息。
本申请实施例的文本预测装置,通过获取待预测的文本,以及文本的预测需求信息,预测需求信息包括:预测对象以及预测目标;根据预测需求信息中的预测目标在模型语义表中查询,获取与预测需求信息中的预测目标对应的目标预测模型;模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;结合预测对象以及目标预测模型,确定文本的预测结果,从而能够根据文本的预测需求去选择预测模型进行预测,成本低,具有普遍适用性,且效率高。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的文本预测的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的文本预测的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的文本预测的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的文本预测的方法对应的程序指令/模块(例如,附图4所示的获取模块410、查询模块420、确定模块430)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的文本预测的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据文本预测的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至文本预测的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
文本预测的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与文本预测的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (8)
1.一种文本预测方法,其特征在于,包括:
获取待预测的文本,以及所述文本的预测需求信息,所述预测需求信息包括:预测对象以及预测目标;
根据所述预测需求信息中的预测目标在模型语义表中查询,获取与所述预测需求信息中的预测目标对应的目标预测模型;所述模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;
结合所述预测对象以及所述目标预测模型,确定所述文本的预测结果;
所述属性信息还包括:特征组合函数接口和模型调用接口;
所述结合所述预测对象以及所述目标预测模型,确定所述文本的预测结果,包括:
根据所述预测对象调用所述目标预测模型的特征组合函数接口,确定所述预测对象的特征信息,其中,获取所述预测对象的历史行为数据;根据所述预测对象的历史行为数据,确定所述预测对象的特征信息;
根据所述预测对象的特征信息调用所述目标预测模型的模型调用接口,确定所述文本的预测结果。
2.根据权利要求1所述的方法,其特征在于,在所述获取待预测的文本,以及所述文本的预测需求信息之前,包括:
获取待处理文本;
在所述待处理文本中存在预设的关键词时,将所述待处理文本确定为待预测的文本;
确定所述文本的预测需求信息。
3.根据权利要求1所述的方法,其特征在于,特征组合函数确定所述预测对象的特征信息的方式为,
获取所述预测对象的历史行为数据;
根据所述预测对象的历史行为数据,确定所述预测对象的特征信息。
4.一种文本预测装置,其特征在于,包括:
获取模块,用于获取待预测的文本,以及所述文本的预测需求信息,所述预测需求信息包括:预测对象以及预测目标;
查询模块,用于根据所述预测需求信息中的预测目标在模型语义表中查询,获取与所述预测需求信息中的预测目标对应的目标预测模型;所述模型语义表包括:多个预测模型的属性信息;所述属性信息包括:预测模型的预测目标;
确定模块,用于结合所述预测对象以及所述目标预测模型,确定所述文本的预测结果;
所述属性信息还包括:特征组合函数接口和模型调用接口;
所述确定模块具体用于,
根据所述预测对象调用所述目标预测模型的特征组合函数接口,确定所述预测对象的特征信息,其中,获取所述预测对象的历史行为数据;根据所述预测对象的历史行为数据,确定所述预测对象的特征信息;
根据所述预测对象的特征信息调用所述目标预测模型的模型调用接口,确定所述文本的预测结果。
5.根据权利要求4所述的装置,其特征在于,所述获取模块,还用于获取待处理文本;
所述确定模块,还用于在所述待处理文本中存在预设的关键词时,将所述待处理文本确定为待预测的文本;确定所述文本的预测需求信息。
6.根据权利要求4所述的装置,其特征在于,特征组合函数确定所述预测对象的特征信息的方式为,
获取所述预测对象的历史行为数据;
根据所述预测对象的历史行为数据,确定所述预测对象的特征信息。
7.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335155.6A CN111597301B (zh) | 2020-04-24 | 2020-04-24 | 文本预测方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010335155.6A CN111597301B (zh) | 2020-04-24 | 2020-04-24 | 文本预测方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111597301A CN111597301A (zh) | 2020-08-28 |
CN111597301B true CN111597301B (zh) | 2023-06-09 |
Family
ID=72185632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010335155.6A Active CN111597301B (zh) | 2020-04-24 | 2020-04-24 | 文本预测方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597301B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549817A (zh) * | 2018-04-19 | 2018-09-18 | 北京理工大学 | 一种基于文本深度学习的软件安全漏洞预测方法 |
CN110990569A (zh) * | 2019-11-29 | 2020-04-10 | 百度在线网络技术(北京)有限公司 | 文本聚类方法、装置及相关设备 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050102175A1 (en) * | 2003-11-07 | 2005-05-12 | Dudat Olaf S. | Systems and methods for automatic selection of a forecast model |
CN104573030B (zh) * | 2015-01-14 | 2017-12-12 | 哈尔滨工业大学深圳研究生院 | 一种文本情绪预测方法及装置 |
CN106649413A (zh) * | 2015-11-04 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种网页标签的分组方法和装置 |
CN105868847A (zh) * | 2016-03-24 | 2016-08-17 | 车智互联(北京)科技有限公司 | 一种购物行为的预测方法及装置 |
US20180052842A1 (en) * | 2016-08-16 | 2018-02-22 | Ebay Inc. | Intelligent online personal assistant with natural language understanding |
CN106650273B (zh) * | 2016-12-28 | 2019-08-23 | 东方网力科技股份有限公司 | 一种行为预测方法和装置 |
CN108288161A (zh) * | 2017-01-10 | 2018-07-17 | 第四范式(北京)技术有限公司 | 基于机器学习来提供预测结果的方法及系统 |
CN107358315A (zh) * | 2017-06-26 | 2017-11-17 | 深圳市金立通信设备有限公司 | 一种信息预测方法及终端 |
CN108052523A (zh) * | 2017-11-03 | 2018-05-18 | 中国互联网络信息中心 | 基于卷积神经网络的赌博网站识别方法和系统 |
JP2019128904A (ja) * | 2018-01-26 | 2019-08-01 | Necソリューションイノベータ株式会社 | 予測システム、シミュレーションシステム、方法およびプログラム |
CN108537160A (zh) * | 2018-03-30 | 2018-09-14 | 平安科技(深圳)有限公司 | 基于微表情的风险识别方法、装置、设备及介质 |
CN110390408B (zh) * | 2018-04-16 | 2024-03-05 | 北京京东尚科信息技术有限公司 | 交易对象预测方法和装置 |
CN108596386A (zh) * | 2018-04-20 | 2018-09-28 | 上海市司法局 | 一种预测犯人重复犯罪概率的方法及系统 |
CN110858269B (zh) * | 2018-08-09 | 2022-03-08 | 清华大学 | 事实描述文本预测方法及装置 |
CN109472412A (zh) * | 2018-11-09 | 2019-03-15 | 百度在线网络技术(北京)有限公司 | 一种事件的预测方法及装置 |
CN110378512A (zh) * | 2019-05-31 | 2019-10-25 | 平安科技(深圳)有限公司 | 预测股票的方法及装置、计算机设备、存储介质 |
CN110390425A (zh) * | 2019-06-20 | 2019-10-29 | 阿里巴巴集团控股有限公司 | 预测方法以及装置 |
CN110321544B (zh) * | 2019-07-08 | 2023-07-25 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN110503267B (zh) * | 2019-08-29 | 2022-08-26 | 南京师范大学 | 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法 |
-
2020
- 2020-04-24 CN CN202010335155.6A patent/CN111597301B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549817A (zh) * | 2018-04-19 | 2018-09-18 | 北京理工大学 | 一种基于文本深度学习的软件安全漏洞预测方法 |
CN110990569A (zh) * | 2019-11-29 | 2020-04-10 | 百度在线网络技术(北京)有限公司 | 文本聚类方法、装置及相关设备 |
Non-Patent Citations (3)
Title |
---|
Agent system for energy consumption scheduling in an intelligent neighborhood — Preliminary considerations;Karol Bocian;《2017 3rd International Conference on Advances in Computing,Communication & Automation (ICACCA) (Fall)》;全文 * |
一种改进的装备保障能力并联预测模型;帅勇;宋太亮;王建平;沈洪;;兵工学报(第06期);全文 * |
轨道交通PPP项目客流预测及合同分析;刘笑;宁延;;土木工程与管理学报(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111597301A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046257B (zh) | 一种会话推荐方法、装置以及电子设备 | |
CN111967568B (zh) | 深度学习模型的适配方法、装置及电子设备 | |
CN112084366B (zh) | 用于检索图像的方法、装置、设备以及存储介质 | |
CN110727434B (zh) | 渲染方法、装置、电子设备及存储介质 | |
CN111241234B (zh) | 文本分类方法及装置 | |
CN111241810B (zh) | 标点预测方法及装置 | |
CN111259107B (zh) | 行列式文本的存储方法、装置以及电子设备 | |
CN112491617B (zh) | 一种链路跟踪方法、装置、电子设备和介质 | |
CN111125176B (zh) | 一种业务数据搜索方法、装置、电子设备和存储介质 | |
CN110765075A (zh) | 自动驾驶数据的存储方法和设备 | |
CN111126063B (zh) | 文本质量评估方法及装置 | |
CN111738325B (zh) | 图像识别方法、装置、设备以及存储介质 | |
CN111680599B (zh) | 人脸识别模型处理方法、装置、设备和存储介质 | |
CN111177479B (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
CN110517079B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN111966846A (zh) | 图像查询方法、装置、电子设备和存储介质 | |
CN111597301B (zh) | 文本预测方法、装置以及电子设备 | |
CN111340222B (zh) | 神经网络模型搜索方法、装置以及电子设备 | |
CN112446728B (zh) | 广告召回方法、装置、设备及存储介质 | |
CN111680508B (zh) | 文本的处理方法和装置 | |
CN111581049B (zh) | 分布式系统运行状态监测方法、装置、设备及存储介质 | |
CN111125362B (zh) | 一种异常文本确定方法、装置、电子设备和介质 | |
CN111563202B (zh) | 资源数据处理方法、装置、电子设备和介质 | |
CN112099647A (zh) | 应用操作方法、装置、电子设备及可读存储介质 | |
CN111090673B (zh) | 缓存单元的查找方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |