召回范围

摘要： ●近日,奇瑞汽车股份有限公司根据《缺陷汽车产品召回管理条例》和《缺陷汽车产品召回管理条例实施办法》的要求,向国家市场监督管理总局备案了召回计划。决定自2021年4月15日起,召回2016年8月13日至2019年4月30日生产的部分奇瑞瑞虎3x汽车,共计82867辆。本次召回范围内的车辆,由于发动机线束与前舱线束接插件固定在发动机上,此位置振动大,易引起接插件偶发性的接触不良,极端情况可能引起发动机熄火失去动力,存在安全隐患。

摘要： ●近日,乐夫思达(北京)体自用品有限公司按照《消费品召回管理暂行规定》的要求,向国家市场监督管理总局报告了召回计划,将自即日起,召回2014年12月至2020年12月期间销售的部分PUKY牌儿童滑步车,涉及数量为79350辆。本次召回范围内的PUKY牌儿童滑步车为无手刹版,由于安全警示标志缺失,可能导致消费者误用、滥用等安全风险,在复杂路况及骑行速度过快等极端情况下,可能无法及时有效制动,给儿童带来不可预见的伤害。

摘要： 先看一组数据。截至2019年底,江苏省共有206家生产企业对其生产的276款共269.92万件产品报告了召回计划,召回范围拓展至30余小类日用消费品;江苏省在全省13个设区市及昆山市,均设立了省缺陷产品管理技术中心分中心,实现了全省消费品召回管理网络全覆盖;江苏省在全省13个设区市设立缺陷信息监测点超过1000家。

摘要： 9月17日,上海莘威运动品有限公司按照《消费品召回管理暂行规定》的要求,向国家市场监督管理总局报告了召回计划,将自即日起,召回2019年1月至2020年7月期间制造的OXELO品牌301795型号B1-500踏板车,涉及数量为160401辆。本次召回范围内的B1-500踏板车,在特定情况下(站位靠前,通过较高障碍物)使用时,存在摔伤风险。

摘要： 日前,广东裕鑫丰智造电子科技有限公司按照《消费品召回管理暂行规定》的要求,主动向广东省市场监督管理局报告了召回计划,将自即日起,召回2020年4月至2020年5月期间制造的部分9001V型号KN95防护口罩,涉及数量为12000盒(25只/盒,共300000只口罩)。本次召回范围内的KN95防护口罩,由于过滤效率不足和泄漏性不符合安全要求,可能导致口罩防护效果受影响,存在一定安全隐患。

摘要： 本发明涉及人工智能的模型构建领域，提供一种语义召回模型训练、召回问答方法、装置、设备及介质，所述方法包括：通过获取包含标准问题和相似问题的问题对样本集；通过实体识别模型进行场景实体识别，并识别出标准实体集和相似实体集，以及通过意图识别模型进行意图语义识别，并识别出标准意图结果和相似意图结果；通过含有初始参数的孪生网络模型进行语义匹配处理，匹配出的语义相似度、实体相似度和意图相似度；确定出相似度结果和总损失值；在未达到预设的收敛条件时，运用共享参数方法迭代更新初始参数，直至收敛，并得到语义召回模型。本发明实现了语义、领域知识、实体及意图维度进行问题识别，提高了问题召回的准确性和质量。

摘要： 本申请涉及一种搜索召回方法、召回模型训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：分别对当前搜索对象对应的历史搜索语句序列和历史正向召回信息序列进行特征转换，得到对应的历史搜索语句特征序列、正向召回信息特征序列；基于历史搜索语句特征序列，对正向召回信息特征序列进行解调处理，得到当前搜索对象对应的搜索对象特征初始序列；对当前搜索对象的当前搜索语句进行特征提取，得到当前搜索语句特征，融合当前搜索语句特征和搜索对象特征初始序列，得到搜索融合特征；基于搜索融合特征，从候选召回资源库中获取对应的匹配召回资源作为当前搜索对象对应的当前召回结果。采用本方法能够召回准确性。

摘要： 本申请实施例公开了一种词条召回方法、装置和用于召回词条的装置。该方法的实施例包括：对用户语料中的多个词条进行聚类，以得到各词条的主题；获取目标用户的历史特征词，并从多个词条中确定出与历史特征词具有相同主题的目标词条；召回满足预设条件的目标词条，并发送至目标用户的客户端。该实施方式提高了所召回的词条与用户输入内容的相关性，且所召回的词条能够满足用户的多样性需求。

摘要： 本申请实施例公开了一种词条召回方法、装置和用于召回词条的装置。该方法的实施例包括：获取目标用户的输入词序列；基于输入词序列和预先训练的深度树匹配模型，从候选词词表中召回目标词条；将目标词条发送至目标用户的客户端。该实施方式可召回符合用户输入习惯的个性化词条，提高了用户的输入效率。

摘要： 本公开涉及一种用于数据召回的FPGA芯片和数据召回方法，FPGA芯片包括：多个存储模块，用于存储多个候选向量；多个点积计算模块，用于在每p个时钟周期，并行从对应的存储模块中读取候选向量，计算候选向量与预设向量的点积，得到对应的点积数据；排序模块，用于在每个时钟周期读取点积数据，并根据读取的点积数据进行排序操作，在经过多个时钟周期后，输出相应的有序数组，有序数组包括降序排列的多个点积数据。在本公开中，点积计算过程与排序过程可以完全流水式地执行起来，每个时钟周期，每个模块都在并行工作，当点积计算完成时，排序过程也基本上完成，可以极大提升召回效率。

摘要： 本申请公开了一种端到端敏感文本召回模型的训练方法、敏感文本召回方法，涉及数据处理技术领域，尤其涉及深度学习等人工智能技术。具体实现方案为：获取敏感文本拦截场景中的预设词表和第一随机文本语料；根据预设词表构建正样本数据，并根据第一随机文本语料构建负样本数据；根据正样本数据和负样本数据，通过人工评估方式和多样本拼接的采样方式对初始的文本分类模型执行循环迭代训练，得到训练完毕后模型指标达到目标指标的文本分类模型；以及根据模型指标达到目标指标的文本分类模型的模型参数，生成端到端敏感文本召回模型。本申请的技术方案可以提高生成的端到端敏感文本召回模型的知识泛化能力，从而提高该模型对敏感文本的召回能力。

摘要： 本公开提出一种新颖性物品召回模型的生成方法、召回方法及装置和系统，涉及计算机领域。生成方法包括：构造多个新颖性物品召回任务；获取每个新颖性物品召回任务对应的一种新颖性样本，以获得多个新颖性物品召回任务的多种新颖性样本；利用多种新颖性样本对多任务双塔模型进行训练，生成新颖性物品召回模型。从而改善召回效果，在满足推荐精准性的同时，提高推荐的新颖性。

摘要： 本申请公开了一种媒体资源的召回方法和媒体资源召回模型的训练方法。其中，该方法可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，包括：获取当前待召回的媒体资源的资源曝光参数；将媒体资源输入第一媒体资源召回模型，以输出得到与资源竞争参数相匹配的第一召回参数，并将媒体资源输入第二媒体资源召回模型，以输出得到与资源竞争参数相匹配的第二召回参数；基于第一召回参数和第二召回参数，确定与媒体资源相匹配的召回置信度；按照召回置信度对媒体资源进行召回处理。本申请解决了相关技术中提供的对媒体资源的召回方式存在召回结果不够准确的技术问题。

摘要： 本发明实施例提供了一种召回模型生成、召回方法、装置、电子设备及存储介质。召回模型生成方法包括：获取样本数据，样本数据包括样本用户的样本用户特征、样本对象的样本对象特征和样本标签；在预设初始模型中，基于所述样本用户特征和预先存储的所述样本用户的样本用户增强向量，生成所述样本用户的样本用户表示向量并输出，基于所述样本对象特征和预先存储的所述样本对象的样本对象增强向量，生成所述样本对象的样本对象表示向量并输出；基于所述初始模型的输出和所述样本标签判断是否训练完成；将训练完成的模型作为所述召回模型。本发明实施例能够提升召回模型的性能，提高召回结果的准确度。

摘要： 一种多路召回模型训练方法、多路召回方法、装置及电子设备，涉及人工智能技术领域。多路召回模型包括M个单路召回模型，该训练方法包括获取多组训练数据，每组训练数据包括检索词对应的目标正样本和多个负样本；通过第M‑1个单路召回模型获取各组训练数据中所有样本的相关性分数，然后根据该相关性分数以及第一损失函数进行数据拟合，确定第M个单路召回模型的第一期望召回结果，第一损失函数用于确定第M‑1个单路召回模型的损失；根据第一期望召回结果及第二损失函数，确定第M个单路召回模型的损失；以该损失最小为目标，训练第M个单路召回模型。这样使得第M个单路召回模型能够尽可能弥补第M个模型的损失，以提升多路召回模型的整体召回效果。