人工情感智能

自然语言处理

独立研发27个NLP模块,拥有自主产权,包含了业内先进的SOTA算法和预训练模型,拥有面向工业环境的完整NLP模型和语料积累,结合语言学知识,分别针对短文本(口语、对话等)和长文本的特点开发了语言模型和上下文理解模型,并且在业界常见的BERT、RoBERTa、XLNet等模型基础上进行模型压缩,训练和推理成本降低50x,解决了大规模深度学习模型落地困难的问题。

支持世界主要语言,积累了成熟丰富的简繁中文、英文、日文等语言的NLP能力,轻松应对全球化市场的挑战。

能够通过不断的反馈自动的积累和进行模型调优。经过大量的训练调优和语言学家的行业语言学经验,在6大行业提供成熟的行业模型,通过行业的知识和语言模型赋能行业AI解决方案,开盒即用。

人工情感智能

知识工程

拥有基于非监督学习的挖掘知识、构建知识图谱和Ontology的能力。通过对大规模的数据进行挖掘分析,并应用积累的行业知识和NLP能力,可以将传统的人力为主的知识工程流程自动化,极大程度提升构建图谱的效率,降低构建图谱的门槛。

能够分析和处理大规模的异构数据,对结构化和非结构化数据进行解析、分类、预测、聚类、分析,支持智能搜索、智能推荐、智能预测等应用,解决风控、反欺诈、异常发现、预测报警、根因分析等业务问题。

通过AI+RPA,实现智能业务流程自动化,将复杂繁琐的业务流程交给机器处理。通过流程编辑器,快速构建一个业务流程自动化任务,可以引用数千种成熟的行业AI模型,极大降低开发门槛。

人工情感智能

深度学习

通过自动神经网络架构搜索(NAS)进行神经网络架构和参数自动优化,实现自动模型选择和模型调优,无需人工参数优化。结合多模型自动ensemble和超参数优化能力,寻找的模型组合,降低结构化风险,发挥数据的效用。

机器学习平台结合模型管理、AutoML能力、异构计算平台分布式计算能力,提供高效的模型训练、推理服务。完善的数据运营平台,拥有自动扩写、自动数据冲突检、数据质检、标注、数据优化等能力。

通过强化学习和非监督学习,实现对大规模数据的挖掘和基于业务规则的自动策略学习,通过大量进行策略模拟和通过在海量数据进行知识提炼,自动的发现知识,找到商业策略。

人工情感智能

智能语音技术

自研的ASR/TTS模型,结合自主收集训练的数据和SOTA语音识别算法,以及优质的行业NLU能力语言模型,针对不同业务场景,优化模型性能。凭借完整的训练平台,可以高效支持针对垂直领域的自定义训练。

支持全双工媒体控制,支持双向沟通时需要的沉默、打断等语音能力。

基于语音情绪和文本情绪识别,判断用户情绪状态。

人工情感智能

多模态情感计算

人脸微表情、情绪识别,情感考勤,肢体动作识别

语音情绪、声纹识别

基于人脸表情、语音和语义的情绪识别,进行情感状态的判断

人工情感智能

文本数据中台

文本比对、文本解析、文本查重、文本纠错、文本批改、智能写作

利用深度学习和NLP能力,实现对用户意图的理解和对内容的匹配。通过将非结构化文本进行向量空间表征,与大数据结合,产生能够理解语义的检索排序。

结合通过异构数据挖掘提炼的用户画像和知识图谱的推理能力,对复杂的用户业务场景进行识别和推理,准确判断用户实际需求,实现推荐。