新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種動態(tài)可搜索公鑰加密方法，屬于密碼學(xué)和云 存儲技術(shù)領(lǐng)域。本發(fā)明實現(xiàn)了在公鑰加密機制下的云存儲系統(tǒng)中密文 數(shù)據(jù)的生成、密文數(shù)據(jù)的檢索以及密文數(shù)據(jù)的動態(tài)更新功能。發(fā)送方 加密文件關(guān)鍵字對(ID,W)生成可搜索密文，然后加密待上傳文件生成 帶文件 ID 的密文文件，最后將可搜索密文和密文文件一同上傳到服務(wù) 器。接收方提交待搜索關(guān)鍵字 W 的陷門給云存儲服務(wù)器，由云存儲服 務(wù)器進行檢索得到對應(yīng)的可搜索密文，進一

主要研究自然語言處理研究領(lǐng)域的算法和應(yīng)用實踐。涉及語義解析、意圖識別、FAQ 問答、多輪對話、知識圖譜等關(guān)鍵技術(shù)，研究內(nèi)容包括分詞、向量表示、分類等文本預(yù)處理技術(shù)，以及將自然語言處理核心算法應(yīng)用落實到智能客服、NLP 引擎、航天空管交互等實際場景中，團隊研發(fā)的 AI 產(chǎn)品已經(jīng)跟國內(nèi)企業(yè)、研究所開展了長期合作并動態(tài)跟蹤，獲得了廣泛的一致好評。 人工智能 NLP 引擎項目是基于多語種分詞、多語種情緒識別、詞句關(guān)系分析、意圖識別、文本聚類等自然語言處理技術(shù)實現(xiàn)對海量錄音文本的知識挖掘，識別重要信息。為錄音服務(wù)行業(yè)下游業(yè)務(wù)的分析人員提供分析思路，以便得到多維度、多形式分析結(jié)果，將發(fā)現(xiàn)轉(zhuǎn)換為可落地的業(yè)務(wù)決策，這些數(shù)據(jù)驅(qū)動的業(yè)務(wù)決策，包括客戶體驗、座席行為、產(chǎn)品改進、風(fēng)險監(jiān)測等多個方面，幫助企業(yè)改善用戶體驗、降低成本、提升效率、提升業(yè)績、降低風(fēng)險等。 1.多語種分詞。分詞指的是將一個字序列切分成一個一個單獨的詞，是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程。文本在入庫時調(diào)用接口進行了分詞，分詞可用于模型的匹配和熱詞的統(tǒng)計。 2.詞句關(guān)系分析。根據(jù)詞句關(guān)系接口識別的中心詞，然后用中心詞進行詞頻的統(tǒng)計，對于目標(biāo)樣本，統(tǒng)計出高頻中心詞用來概括目標(biāo)樣本中主要描述的對話內(nèi)容。 3.意圖識別。識別出客戶語句的意圖，以便進行相應(yīng)的功能操作、信息推薦等。 4.多語種情緒識別。情緒識別是對包含主觀信息的文本進行情感傾向性判斷，正向或者負向（如果能提供訓(xùn)練數(shù)據(jù)集，可以識別更多種類的情緒）。為客戶之聲下游任務(wù)的口碑分析、話題監(jiān)控、輿情分析等應(yīng)用提供幫助。目前支持中文、粵語的情緒識別。根據(jù)情緒標(biāo)識，用情緒進行搜索和統(tǒng)計分析。 5.文本聚類。文本聚類將一大段文本中心詞和中心詞的關(guān)聯(lián)詞、近義詞生成一個圖，用于可視化文本的內(nèi)容。 6.自定義分詞、意圖。對分詞分詞、意圖種類進行增刪、擴展、微調(diào)等。

（一）項目背景 針對現(xiàn)實場景中，存在需要對服務(wù)行業(yè)錄音文件內(nèi)容進行詳細分析， 但是面對海量錄音文件無法僅通過人力資源去逐一分析的弊端，本項目旨 在通過實際應(yīng)用場景結(jié)合計算機和人工智能技術(shù)開發(fā)一個人工智能 NLP 引 擎，用以解決海量錄音文件經(jīng)過 ASR 轉(zhuǎn)文本后，對錄音內(nèi)容進一步按需分 析，最終得到較為完整的分析結(jié)果，以便于企業(yè)進一步采取商業(yè)策略。 （二）項目簡介 人工智能 NLP 引擎項目是基于多語種分詞、多語種情緒識別、詞句關(guān) 系分析、意圖識別、文本聚類等自然語言處理技術(shù)實現(xiàn)對海量錄音文本的 知識挖掘，識別重要信息。為錄音服務(wù)行業(yè)下游業(yè)務(wù)的分析人員提供分析 思路，以便得到多維度、多形式分析結(jié)果，將發(fā)現(xiàn)轉(zhuǎn)換為可落地的業(yè)務(wù)決策，這些數(shù)據(jù)驅(qū)動的業(yè)務(wù)決策，包括客戶體驗、座席行為、產(chǎn)品改進、風(fēng) 險監(jiān)測等多個方面，幫助企業(yè)改善用戶體驗、降低成本、提升效率、提升 業(yè)績、降低風(fēng)險等。 （三）關(guān)鍵技術(shù) 1.多語種分詞。分詞指的是將一個字序列切分成一個一個單獨的詞，是 將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程。文本在入庫時 調(diào)用接口進行了分詞，分詞可用于模型的匹配和熱詞的統(tǒng)計。 2.詞句關(guān)系分析。根據(jù)詞句關(guān)系接口識別的中心詞，然后用中心詞進行 詞頻的統(tǒng)計，對于目標(biāo)樣本，統(tǒng)計出高頻中心詞用來概括目標(biāo)樣本中主要 描述的對話內(nèi)容。 3.意圖識別。識別出客戶語句的意圖，以便進行相應(yīng)的功能操作、信息 推薦等。 4.多語種情緒識別。情緒識別是對包含主觀信息的文本進行情感傾向性 判斷，正向或者負向（如果能提供訓(xùn)練數(shù)據(jù)集，可以識別更多種類的情緒）。為客戶之聲下游任務(wù)的口碑分析、話題監(jiān)控、輿情分析等應(yīng)用提供幫助。目前支持中文、粵語的情緒識別。根據(jù)情緒標(biāo)識，用情緒進行搜索和統(tǒng)計 分析。 5.文本聚類。文本聚類將一大段文本中心詞和中心詞的關(guān)聯(lián)詞、近義詞 生成一個圖，用于可視化文本的內(nèi)容。 6.自定義分詞、意圖。對分詞分詞、意圖種類進行增刪、擴展、微調(diào)等。

本發(fā)明公開了一種結(jié)合語義特征的 ERVQ 索引，包括以下步驟：準(zhǔn)備訓(xùn)練索引的圖片集 P1 和待索引圖片集 P2，對 P1 提取低層特征(SIFT、SURF 等)，使用殘差量化索引(RVQ)訓(xùn)練方法訓(xùn)練得到一個 L層的 RVQ 碼書 Codebook1，使用 ERVQ 優(yōu)化方法調(diào)整 Codebook1 生成碼書 Codebook2，將碼書 Codebook2 多層質(zhì)心一一組合構(gòu)建索引字典，將索引字典每個索引項上根據(jù)語義劃分成多個倒排鏈表結(jié)構(gòu)，對 P2 提取低層特征和語義特征，根據(jù)低層特征找到索引項，根

本發(fā)明提出了一種用于光譜圖像數(shù)據(jù)降維的鄰居點搜索方法及系統(tǒng)，包括首先對當(dāng)前像素所在窗口 的像素進行篩選，剔除受噪聲等因素干擾較大的像素；然后對當(dāng)前像素以及待比對像素所在窗口內(nèi)像素 分別進行排序，計算當(dāng)前像素和待比對像素所在窗口的光譜距離；選取相似度最高的若干像素為當(dāng)前像 素的鄰居點。本發(fā)明的方法充分利用了空間信息，而且通過排序使得搜索過程不受圖像幾何形態(tài)上的變 化影響，具有空間魯棒性，對一些噪聲污染點也有很好的抑制作用，使得尋找到的鄰居點更準(zhǔn)確，提高 了高光譜圖像數(shù)據(jù)降維處理的性能。 

本發(fā)明公開了一種面向三網(wǎng)融合的電視節(jié)目內(nèi)容搜索與推薦方法。包括：提出同義詞標(biāo)簽豐富、評論標(biāo)簽豐富和視頻相似度標(biāo)簽豐富三種視頻標(biāo)簽自豐富方法生成能詳細描述海量電視節(jié)目內(nèi)容的標(biāo)簽描述文件；設(shè)計接口完整收集電視節(jié)目觀眾的顯式和隱式行為信息，并分別提出了顯式和隱式偏好權(quán)重計算方法構(gòu)建基于標(biāo)簽的用戶偏好模型，同時考慮了用戶偏好隨時間的變化；提出基于標(biāo)簽滿足關(guān)系的相似度計算方法，實現(xiàn)三網(wǎng)融合環(huán)境下海量電視節(jié)目內(nèi)容的個性化搜索與主動推薦服務(wù)。本方法解決了三網(wǎng)融合環(huán)境下海量電視節(jié)目內(nèi)容詳細描述的需求，同時為用戶提供

本發(fā)明公開了一種快速關(guān)鍵字可搜索公鑰加密方法，屬于計算 機安全技術(shù)領(lǐng)域。本發(fā)明包括：(1)，系統(tǒng)初始化，設(shè)置系統(tǒng)公開參數(shù) 以及主秘密參數(shù)；(2)，為用戶生成公開部分以及初始化隱藏結(jié)構(gòu)；(3)， 選取關(guān)鍵字，并生成相應(yīng)的關(guān)鍵字可搜索密文；(4)，為用戶生成關(guān)鍵 字檢索陷門；(5)，服務(wù)器根據(jù)用戶提交的檢索陷門搜索包含相應(yīng)關(guān)鍵 字的所有密文。本發(fā)明的關(guān)鍵字可搜索公鑰加密的檢索復(fù)雜度是與包 含該關(guān)鍵字的密文數(shù)量線性相關(guān)的，

本實用新型公開了一種光引擎模組熱響應(yīng)測試平臺，該光引擎模組包括鋁基板、焊接至所述鋁基板的單相全波橋式整流芯片、分段線性恒流驅(qū)動芯片、整列在鋁基板外圍的多個交流發(fā)光二極管，所述熱響應(yīng)測試平臺包括暗箱、置于暗箱內(nèi)的樣件安放平臺、在所述樣件安放平臺正上方設(shè)置的紅外熱成像模組、以及位于所述暗箱外并且與所述紅外熱成像模組信號連接的熱響應(yīng)分析儀，其中，所述樣件安放平臺上選擇性地設(shè)有用于置放所述鋁基板的絕熱板或散熱器。根據(jù)本實用新型的光引擎模組熱響應(yīng)測試平臺通過光引擎模組老化測試過程中LED芯片、電源驅(qū)動、橋式整

現(xiàn)代互聯(lián)網(wǎng)、通信和信息科技應(yīng)用涉及海量異構(gòu)數(shù)據(jù)，有效管理和使用數(shù)據(jù)需要對其進行組織優(yōu)化和 預(yù)處理。索引是重要的預(yù)處理方法，以其為基礎(chǔ)可提供高效的數(shù)據(jù)搜索功能。常用的開源搜索引擎Lucene第一部分 電子與信息領(lǐng)域技術(shù)成果采用屬于關(guān)鍵字索引的分詞倒排技術(shù)，可滿足自然語言數(shù)據(jù)搜索的需求，但是對詞較多或者無法分詞的異 構(gòu)數(shù)據(jù)，比如信號、日志、代碼和基因等，需要使用SA（suffix array，后綴數(shù)組）索引，在技術(shù)原理和應(yīng) 用范圍上均區(qū)別于關(guān)鍵字索引。