CN113837362A - 一种数据通信校准方法及装置 - Google Patents

一种数据通信校准方法及装置 Download PDF

Info

Publication number
CN113837362A
CN113837362A CN202111023272.XA CN202111023272A CN113837362A CN 113837362 A CN113837362 A CN 113837362A CN 202111023272 A CN202111023272 A CN 202111023272A CN 113837362 A CN113837362 A CN 113837362A
Authority
CN
China
Prior art keywords
data
transmission data
calibration
transmission
original
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.)
Pending
Application number
CN202111023272.XA
Other languages
English (en)
Inventor
胡振波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhonglian Guocheng Technology Co ltd
Original Assignee
Beijing Zhonglian Guocheng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zhonglian Guocheng Technology Co ltd filed Critical Beijing Zhonglian Guocheng Technology Co ltd
Priority to CN202111023272.XA priority Critical patent/CN113837362A/zh
Publication of CN113837362A publication Critical patent/CN113837362A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08Configuration management of networks or network elements
    • H04L41/0803Configuration setting
    • H04L41/0823Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种数据通信校准方法及装置。其中,该方法包括:获取原始数据;根据所述原始数据,获取第一传输数据;将所述第一传输数据输入至校准模型,生成第二传输数据;将所述第二传输数据进行反馈。本发明解决了现有技术中的数据通信校准方法过于固定化,无论什么样的数据,无论数据量的大小,都通过固有校准方法进行校准,无法根据历史数据或相关的影响元素来进行校准,降低了校准的效率和精确度的技术问题。

Description

一种数据通信校准方法及装置
技术领域
本发明涉及数据通信领域,具体而言,涉及一种数据通信校准方法及装置。
背景技术
随着智能化科技的不断发展,人们的生活、工作、学习之中越来越多地用到了智能化设备,使用智能化科技手段,提高了人们生活的质量,增加了人们学习和工作的效率。
目前,在数据通信过程中,通过对原始通信数据的采集来进行通信传播,并根据固定的校准参数和校准规则对传输过程中或传输完毕后的通信数据进行校准操作,从而增加通信数据传输质量,但是传统的数据通信校准方法过于固定化,无论什么样的数据,无论数据量的大小,都通过固有校准方法进行校准,无法根据历史数据或相关的影响元素来进行校准,降低了校准的效率和精确度。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数据通信校准方法及装置,以至少解决现有技术中的数据通信校准方法过于固定化,无论什么样的数据,无论数据量的大小,都通过固有校准方法进行校准,无法根据历史数据或相关的影响元素来进行校准,降低了校准的效率和精确度的技术问题。
根据本发明实施例的一个方面,提供了一种数据通信校准方法,包括:获取原始数据;根据所述原始数据,获取第一传输数据;将所述第一传输数据输入至校准模型,生成第二传输数据;将所述第二传输数据进行反馈。
可选的,所述根据所述原始数据,获取第一传输数据包括:将所述原始数据进行拆分,得到待优化数据;将所述待优化数据进行优化处理,得到所述第一传输数据。
可选的,在所述将所述第一传输数据输入至校准模型,生成第二传输数据之前,所述方法还包括:训练所述校准模型。
可选的,在所述将所述第二传输数据进行反馈之后,所述方法还包括:将所述第二传输数据进行展示。
根据本发明实施例的另一方面,还提供了一种数据通信校准装置,包括:第一获取模块,用于获取原始数据;第二获取模块,用于根据所述原始数据,获取第一传输数据;校准模块,用于将所述第一传输数据输入至校准模型,生成第二传输数据;反馈模块,用于将所述第二传输数据进行反馈。
可选的,所述第二获取模块包括:拆分单元,用于将所述原始数据进行拆分,得到待优化数据;优化单元,用于将所述待优化数据进行优化处理,得到所述第一传输数据。
可选的,所述装置还包括:训练模块,用于训练所述校准模型。
可选的,所述装置还包括:展示模块,用于将所述第二传输数据进行展示。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种数据通信校准方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种数据通信校准方法。
在本发明实施例中,采用获取原始数据;根据所述原始数据,获取第一传输数据;将所述第一传输数据输入至校准模型,生成第二传输数据;将所述第二传输数据进行反馈的方式,解决了现有技术中的数据通信校准方法过于固定化,无论什么样的数据,无论数据量的大小,都通过固有校准方法进行校准,无法根据历史数据或相关的影响元素来进行校准,降低了校准的效率和精确度的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种数据通信校准方法的流程图;
图2是根据本发明实施例的一种数据通信校准装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种数据通信校准方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图1是根据本发明实施例的一种数据通信校准方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取原始数据。
具体的,本发明实施例为了实现数据在通信中的校准功能,首先需要获取原始的通信数据,通过采集设备采集原始的通信数据后,将原始数据进行存储并用于后续的分析和校准之用。
例如,在对原始数据进行采集的时候,可以通过原始数据需要进行传输的通信信道进行数据爬虫设置,并将数据爬虫作为数据采集器,采集所有通过该通信信道的数据,以便后续根据数据爬虫采集数据作为第一传输数据进行校准模型的输入操作,得到最终的校准信息。
步骤S104,根据所述原始数据,获取第一传输数据。
具体的,本发明实施例获取到的原始数据,是通过通信信道中传输的数据采集并存储得到的,因此该原始数据具有数据量大、数据杂音多的数据特点,那么为了本发明实施例后续通过校准模型生成校准后的第二传输数据并实时进行数据反馈,需要在原始数据获取成功之后将上述原始数据进行处理和优化,并将处理和优化之后的原始数据作为第一传输数据进行输出。
可选的,所述根据所述原始数据,获取第一传输数据包括:将所述原始数据进行拆分,得到待优化数据;将所述待优化数据进行优化处理,得到所述第一传输数据。
具体的,在获取到了原始数据之后,本发明实施例需要将原始数据转化为第一传输数据,并根据第一传输数据进行校准操作。因此需要将所述原始数据进行拆分,得到待优化数据;将所述待优化数据进行优化处理,得到所述第一传输数据。
步骤S106,将所述第一传输数据输入至校准模型,生成第二传输数据。
具体的,在获取到了第一传输数据之后,需要将第一传输数据输入到校准模型之中,上述校准模型可以将第一传输数据计算得到第二传输数据,其中,上述第二传输数据就是第一传输数据经过校准后的数据。
需要说明的是,校准模型的配置可以通过DNN深度神经网络模型的构建方式,利用用户提供的若干历史数据和实时传输数据进行模型的训练,并将训练完善后的校准模型用于数据的输入和输出操作,例如,本发明实施例获取的第一传输数据a为字符串型数据,那么在对a进行校准操作之前,需要对校准模型A进行模型的训练和构建,构建方式可以是DNN神经网络模型的特征向量训练方法,在得到了成熟的A校准模型之后,可以将a作为A的输入数据进行输入,并在A的输出端采集输出数据b,其中,b是通过校准模型A对a字符串中的元素进行校准后的校准结果,即b的精准性往往大于a,但内容不会受到失真,最后将b作为第二传输数据进行传输,以便后续将b进行反馈和展示。
可选的,在所述将所述第一传输数据输入至校准模型,生成第二传输数据之前,所述方法还包括:训练所述校准模型。
具体的,由于本发明实施例需要通过校准模型进行校准的输出和输入操作,因此在构建神经网络模型的时候,需要若干历史数据进行校准模型的训练,从而得到较完善的校准模型,用于输出精准度高的第二传输数据。
步骤S108,将所述第二传输数据进行反馈。
可选的,在所述将所述第二传输数据进行反馈之后,所述方法还包括:将所述第二传输数据进行展示。
具体的,在通过校准模型获得了第二传输数据之后,需要根据用户的需求将第二传输数据进行反馈,并根据第二传输数据的具体内容通知用户进行相关措施,同时,为了更加直观的让用户进行分析和观察,可以将第二传输数据进行展示,展示设备可以是显示器等。
通过上述实施例,解决了现有技术中的数据通信校准方法过于固定化,无论什么样的数据,无论数据量的大小,都通过固有校准方法进行校准,无法根据历史数据或相关的影响元素来进行校准,降低了校准的效率和精确度的技术问题。
实施例二
图2是根据本发明实施例的一种数据通信校准装置的结构框图,如图2所示,该装置包括:
第一获取模块20,用于获取原始数据。
具体的,本发明实施例为了实现数据在通信中的校准功能,首先需要获取原始的通信数据,通过采集设备采集原始的通信数据后,将原始数据进行存储并用于后续的分析和校准之用。
例如,在对原始数据进行采集的时候,可以通过原始数据需要进行传输的通信信道进行数据爬虫设置,并将数据爬虫作为数据采集器,采集所有通过该通信信道的数据,以便后续根据数据爬虫采集数据作为第一传输数据进行校准模型的输入操作,得到最终的校准信息。
第二获取模块22,用于根据所述原始数据,获取第一传输数据。
具体的,本发明实施例获取到的原始数据,是通过通信信道中传输的数据采集并存储得到的,因此该原始数据具有数据量大、数据杂音多的数据特点,那么为了本发明实施例后续通过校准模型生成校准后的第二传输数据并实时进行数据反馈,需要在原始数据获取成功之后将上述原始数据进行处理和优化,并将处理和优化之后的原始数据作为第一传输数据进行输出。
可选的,所述第二获取模块包括:拆分单元,用于将所述原始数据进行拆分,得到待优化数据;优化单元,用于将所述待优化数据进行优化处理,得到所述第一传输数据。
具体的,在获取到了原始数据之后,本发明实施例需要将原始数据转化为第一传输数据,并根据第一传输数据进行校准操作。因此需要将所述原始数据进行拆分,得到待优化数据;将所述待优化数据进行优化处理,得到所述第一传输数据。
校准模块24,用于将所述第一传输数据输入至校准模型,生成第二传输数据。
具体的,在获取到了第一传输数据之后,需要将第一传输数据输入到校准模型之中,上述校准模型可以将第一传输数据计算得到第二传输数据,其中,上述第二传输数据就是第一传输数据经过校准后的数据。
需要说明的是,校准模型的配置可以通过DNN深度神经网络模型的构建方式,利用用户提供的若干历史数据和实时传输数据进行模型的训练,并将训练完善后的校准模型用于数据的输入和输出操作,例如,本发明实施例获取的第一传输数据a为字符串型数据,那么在对a进行校准操作之前,需要对校准模型A进行模型的训练和构建,构建方式可以是DNN神经网络模型的特征向量训练方法,在得到了成熟的A校准模型之后,可以将a作为A的输入数据进行输入,并在A的输出端采集输出数据b,其中,b是通过校准模型A对a字符串中的元素进行校准后的校准结果,即b的精准性往往大于a,但内容不会受到失真,最后将b作为第二传输数据进行传输,以便后续将b进行反馈和展示。
可选的,所述装置还包括:训练模块,用于训练所述校准模型。
具体的,由于本发明实施例需要通过校准模型进行校准的输出和输入操作,因此在构建神经网络模型的时候,需要若干历史数据进行校准模型的训练,从而得到较完善的校准模型,用于输出精准度高的第二传输数据。
反馈模块26,用于将所述第二传输数据进行反馈。
可选的,所述装置还包括:展示模块,用于将所述第二传输数据进行展示。
具体的,在通过校准模型获得了第二传输数据之后,需要根据用户的需求将第二传输数据进行反馈,并根据第二传输数据的具体内容通知用户进行相关措施,同时,为了更加直观的让用户进行分析和观察,可以将第二传输数据进行展示,展示设备可以是显示器等。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种数据通信校准方法。
具体的,上述方法包括:获取原始数据;根据所述原始数据,获取第一传输数据;将所述第一传输数据输入至校准模型,生成第二传输数据;将所述第二传输数据进行反馈。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种数据通信校准方法。
具体的,上述方法包括:获取原始数据;根据所述原始数据,获取第一传输数据;将所述第一传输数据输入至校准模型,生成第二传输数据;将所述第二传输数据进行反馈。
通过上述实施例,解决了现有技术中的数据通信校准方法过于固定化,无论什么样的数据,无论数据量的大小,都通过固有校准方法进行校准,无法根据历史数据或相关的影响元素来进行校准,降低了校准的效率和精确度的技术问题。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种数据通信校准方法,其特征在于,包括:
获取原始数据;
根据所述原始数据,获取第一传输数据;
将所述第一传输数据输入至校准模型,生成第二传输数据;
将所述第二传输数据进行反馈。
2.根据权利要求1所述的方法,其特征在于,所述根据所述原始数据,获取第一传输数据包括:
将所述原始数据进行拆分,得到待优化数据;
将所述待优化数据进行优化处理,得到所述第一传输数据。
3.根据权利要求1所述的方法,其特征在于,在所述将所述第一传输数据输入至校准模型,生成第二传输数据之前,所述方法还包括:
训练所述校准模型。
4.根据权利要求1所述的方法,其特征在于,在所述将所述第二传输数据进行反馈之后,所述方法还包括:
将所述第二传输数据进行展示。
5.一种数据通信校准装置,其特征在于,包括:
第一获取模块,用于获取原始数据;
第二获取模块,用于根据所述原始数据,获取第一传输数据;
校准模块,用于将所述第一传输数据输入至校准模型,生成第二传输数据;
反馈模块,用于将所述第二传输数据进行反馈。
6.根据权利要求5所述的装置,其特征在于,所述第二获取模块包括:
拆分单元,用于将所述原始数据进行拆分,得到待优化数据;
优化单元,用于将所述待优化数据进行优化处理,得到所述第一传输数据。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
训练模块,用于训练所述校准模型。
8.根据权利要求1所述的方法,其特征在于,所述装置还包括:
展示模块,用于将所述第二传输数据进行展示。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至4中任意一项所述的方法。
10.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至4中任意一项所述的方法。
CN202111023272.XA 2021-09-02 2021-09-02 一种数据通信校准方法及装置 Pending CN113837362A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111023272.XA CN113837362A (zh) 2021-09-02 2021-09-02 一种数据通信校准方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111023272.XA CN113837362A (zh) 2021-09-02 2021-09-02 一种数据通信校准方法及装置

Publications (1)

Publication Number Publication Date
CN113837362A true CN113837362A (zh) 2021-12-24

Family

ID=78961901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111023272.XA Pending CN113837362A (zh) 2021-09-02 2021-09-02 一种数据通信校准方法及装置

Country Status (1)

Country Link
CN (1) CN113837362A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN210488594U (zh) * 2019-05-23 2020-05-08 福州大学 基于mcu的pso-bp神经网络传感器校准***
CN112836807A (zh) * 2021-03-03 2021-05-25 杭州潇楠科技有限公司 一种基于神经网络的数据处理方法及装置
CN113076531A (zh) * 2021-02-18 2021-07-06 深圳供电局有限公司 身份认证方法、装置、计算机设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN210488594U (zh) * 2019-05-23 2020-05-08 福州大学 基于mcu的pso-bp神经网络传感器校准***
CN113076531A (zh) * 2021-02-18 2021-07-06 深圳供电局有限公司 身份认证方法、装置、计算机设备和存储介质
CN112836807A (zh) * 2021-03-03 2021-05-25 杭州潇楠科技有限公司 一种基于神经网络的数据处理方法及装置

Similar Documents

Publication Publication Date Title
CN106448630A (zh) 歌曲的数字乐谱文件的生成方法和装置
CN106921749A (zh) 用于推送信息的方法和装置
CN108509793A (zh) 一种基于用户行为日志数据的用户异常行为检测方法及装置
CN110335596A (zh) 基于语音识别的产品推荐方法、装置、设备和存储介质
CN108009715A (zh) 一种自动分析指标波动根因的方法
CN112906806A (zh) 一种基于神经网络的数据优化方法及装置
CN114037003A (zh) 问答模型的训练方法、装置及电子设备
CN113312924A (zh) 一种基于nlp高精解析标签的风险规则分类方法及装置
CN115170818A (zh) 一种动态帧画面特征提取方法及装置
CN115238806A (zh) 样本类别不平衡的联邦学习方法以及相关设备
CN107195310A (zh) 一种声音驱动粒子特效的视频处理方法
CN113255079A (zh) 一种基于人工智能的包装设计方法及装置
CN112836807A (zh) 一种基于神经网络的数据处理方法及装置
CN113837362A (zh) 一种数据通信校准方法及装置
CN106412796B (zh) 一种推荐方法及***
CN108023949A (zh) 拨号上网方法、***、智能终端及服务器
CN111738863B (zh) 用户数据筛选方法、装置及***
CN111858863B (zh) 一种答复推荐方法、答复推荐装置及电子设备
CN113312902A (zh) 一种对合同文本的智能审核校验方法及装置
CN109901832A (zh) 可视化网页制作方法、装置、设备及存储介质
CN113609096A (zh) 一种数据处理方法及装置
CN113538038A (zh) 一种基于人工智能的销售反馈方法及装置
CN110287304A (zh) 问答信息处理方法、装置及计算机设备
CN115187570B (zh) 一种基于dnn深度神经网络的奇异遍历检索方法及装置
CN113486679A (zh) 一种基于神经网络的语句翻译方法及装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211224