Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020243116 - GRAPHE DE CONNAISSANCES À AUTO-APPRENTISSAGE

Numéro de publication WO/2020/243116
Date de publication 03.12.2020
N° de la demande internationale PCT/US2020/034598
Date du dépôt international 26.05.2020
CIB
G06N 99/00 2019.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
99Matière non prévue dans les autres groupes de la présente sous-classe
G06Q 30/02 2012.1
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
30Commerce, p.ex. achat ou vente, ou commerce électronique
02Marketing, p.ex. études et analyse de marchés, prospection, promotions, publicité, établissement du profil des acheteurs, gestion ou fidélisation de clientèle; Estimation ou détermination des prix
H04L 29/06 2006.1
HÉLECTRICITÉ
04TECHNIQUE DE LA COMMUNICATION ÉLECTRIQUE
LTRANSMISSION D'INFORMATION NUMÉRIQUE, p.ex. COMMUNICATION TÉLÉGRAPHIQUE
29Dispositions, appareils, circuits ou systèmes non couverts par un seul des groupes H04L1/-H04L27/135
02Commande de la communication; Traitement de la communication
06caractérisés par un protocole
CPC
G06F 40/216
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
20Natural language analysis
205Parsing
216using statistical methods
G06F 40/295
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
20Natural language analysis
279Recognition of textual entities
289Phrasal analysis, e.g. finite state techniques or chunking
295Named entity recognition
G06F 40/30
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
30Semantic analysis
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
G06N 3/0445
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0445Feedback networks, e.g. hopfield nets, associative networks
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
Déposants
  • VERTEX CAPITAL LLC [US]/[US]
Inventeurs
  • FERNANDEZ CAÑELLAS, Delia
  • ESPADALER RODES, Joan
  • RODRIGUEZ NAVARRO, David
  • GAROLERA HUGUET, Blai
  • CANET TARRÉS, Gemma
  • COLOM SERRA, Aleix
  • MARCO RIMMEK, Joan
  • BOU BALUST, Elisenda
  • RIVEIRO INSUA, Juan Carlos
Mandataires
  • PETERSON, Daniel R.
Données relatives à la priorité
16/566,63510.09.2019US
62/853,04726.05.2019US
62/853,15427.05.2019US
63/027,52820.05.2020US
63/027,54420.05.2020US
63/027,80420.05.2020US
Langue de publication Anglais (en)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) SELF-LEARNING KNOWLEDGE GRAPH
(FR) GRAPHE DE CONNAISSANCES À AUTO-APPRENTISSAGE
Abrégé
(EN) Analysis of content such as multimedia and videos are facilitated by the generation and use of a knowledge graph. The knowledge graph represents entities, such as people, places and organizations, and relationships between these entities. In some embodiments, a knowledge graph is used to generate summaries of video content, the summaries being based on relevance of the entities and relationships found within the video content. Knowledge graphs are optionally used to identify content relationships, disambiguate entities, generation of content summary, automatic video editing, and/or personalization or recommendations. The knowledge graph optionally includes short-term and long-term memories.
(FR) Selon l'invention, l'analyse de contenus tels que des contenus multimédias et des vidéos est facilitée par la génération et l'utilisation d'un graphe de connaissances. Le graphe de connaissances représente des entités, telles que des personnes, des lieux et des organisations, ainsi que des relations entre ces entités. Dans certains modes de réalisation, un graphe de connaissances est utilisé pour générer des résumés de contenu vidéo, les résumés étant basés sur la pertinence des entités et des relations trouvées dans le contenu vidéo. Des graphes de connaissances sont facultativement utilisés pour l'identification de relations de contenu, la désambiguïsation d'entités, la génération d'un résumé de contenu, le montage vidéo automatique, et/ou une personnalisation ou des recommandations. Le graphe de connaissances comprend facultativement des mémoires à court terme (STM) et à long terme (LTM).
Dernières données bibliographiques dont dispose le Bureau international