- 综合排序
- 最热优先
- 最新优先
- 来自专栏科技云报道
数智化转型时代，网络安全成为“内需”与“刚需”
信息化、数字化在近年来呈现出新的发展趋势，步入更高阶的数智化转型期，网络安全创新也将上升为数智时代的“内需”与“刚需”。 全球网络安全形势不容乐观 当前，全球网络安全形势依然不容乐观。 安全技术和产品在新威胁和新场景牵引下创新发展，智能化、主动化能力成为竞争力关键所在。 一方面，攻防能力不对等导致未知威胁和蛰伏攻击的应对成为难题。 智能化、主动化安全技术具有多种突出优势，不仅可实现安全威胁的快速感知、主动捕获、关联预测、动态对抗，还支持轻量化、场景定制化、全局安全联动部署。 所有环节都应具备信息可视化、安全分析、动态管控处置的能力，杜绝漏洞或短板。同时，安全产品技术应避免碎片化，孤立的单点技术的叠加并非真正的安全解决方案。 各个产品和技术间应具备强大的交互能力，包括信息交换、联动响应等，从而交织成一张零信任、智能化、自动化的安全网络。
71420编辑于 2022-12-06 仅需3%训练数据的文本归一化技术
仅需3%训练数据的文本归一化技术在语音合成系统中，文本归一化通常是文本转语音转换的第一步。 在我们的实验中，Proteno在英语上提供了与先前最先进技术相当的性能——而仅需要3%的训练数据。多语言评估我们在三种语言（英语、西班牙语和泰米尔语）上评估了Proteno。 英语有大量文本归一化研究，但西班牙语和泰米尔语没有现成的文本归一化数据集。因此，我们创建了自己的数据集，并公开供其他文本归一化研究人员使用。 要归一化的文本首先在其空格处拆分，然后在Unicode类别发生变化的地方进一步拆分。标注：分词后的未归一化文本被逐标记标注，这为我们提供了每个未归一化标记与其真实归一化之间的一对一映射。 输入是未归一化标记序列，输出是可以生成归一化文本的类别序列。
14010编辑于 2025-10-05仅需3%训练数据的文本归一化技术
文本归一化与语音合成在类似某中心语音助手等服务中，文本归一化通常是文本到语音转换过程的第一步。 传统方法的局限性历史上，文本归一化算法依赖硬编码规则，这些规则难以跨语言泛化且维护困难：典型的基于规则的文本归一化系统可能包含数千条规则，需要语言学专业知识开发。 性能表现我们在英语、西班牙语和泰米尔语上评估了Proteno：英语：使用8个预定义类别，Proteno自动生成另外2,658个类别数据效率：在英语实验中，Proteno仅需3%的训练数据即可达到先前最先进技术的相当性能多语言表现 ：西班牙语准确率99.1%，泰米尔语96.7%，英语97.4%技术方法处理流程Proteno将文本归一化视为序列分类问题，大部分类别是学习得到的：标记化：基于空格和Unicode类别变化的粒度标记化机制标注 ：对标记化文本进行逐标记标注类别生成：预定义类别：8-10个包含基本归一化规则的类别自动生成类别：通过分析数据集中的未归一化到归一化标记映射自动创建分类器实验我们试验了四种不同类型的分类器：条件随机场双向长短期记忆模型
12210编辑于 2025-11-05Proteno模型：仅需3%数据实现文本规范化
在实验中，Proteno在英语上提供了与先前最优模型相当的性能，而仅需其3%的训练数据。由于此前没有针对西班牙语和泰米尔语训练的TN模型，实验中无法进行基准比较。 标注：逐token标注分词后的非规范化文本，建立每个非规范化token与其真实规范化文本的一一对应关系。这些数据用于训练模型。类别生成：每个token被映射到一个类。一个类只接收特定类型的token。 每个类还关联一个规范化函数。类别有两种： - 预定义：定义有限数量的类（约8-10个），包含基本的规范化规则。其中一小部分（3-5个）包含语言特定规则，例如如何区分数字的基数用法和序数用法。 - 自动生成(AG)：模型还通过分析数据集中非规范化token到规范化token的映射来自动生成类别。 AG使Proteno能够从数据中自动学习大部分规范化。分类：将TN建模为序列标注问题，输入是非规范化token序列，输出是能够生成规范化文本的类别序列。
29700编辑于 2026-03-21- 来自专栏需求数智化管理
用AI提升需求编制效率：需求数智化平台的「需求文档管理」功能上线啦！
Visual RM 需求数智化平台全新上线「需求文档管理」功能，依托 AI 大模型与行业知识库，打造 “创建 - 辅助 - 优化” 全流程智能工具链，让需求编制从 “耗时费力” 变身 “高效省心”，助力企业快速产出高质量需求 银行个人储蓄账户开户流程优化”），选择业务领域（如 “零售金融”）与行业模板，AI 自动关联同类优质资产；✅ 需求分析：AI 拆解关键要素，弹窗提示补充背景（如 “当前开户时长 10 分钟”）、目标（如 “缩短至 3 3. 3. AI 历史会话 自动保存所有问答记录，支持关键词检索（如 “反欺诈系统对接”），可导出用于会议纪要，避免重复提问，知识沉淀更轻松。4. （如功能点 1 + 功能点 2→核心模块）内容分散需整合➕ AI 智能新增参照模板新增标准模块（如测试要点、会计核算）需补充规范章节 AI 智能推荐推荐历史优质片段、行业最佳实践缺乏编写思路时 核心价值
80320编辑于 2025-11-24 - 来自专栏需求数智化管理
以需求数智化破局：维普时代 Visual RM 赋能银行新核心系统企业建模实践
某银行引入维普时代 Visual RM 需求一体化平台，以需求数智化为核心驱动力，构建覆盖 “需求生成 - 协同管理 - 资产沉淀 - 模型适配” 全流程的企业建模体系，成功打造银行新核心系统企业建模的标杆案例 二、Visual RM 的数智化解法：构建银行新核心系统企业建模全流程支撑体系 ✅针对银行新核心系统企业建模的痛点，维普时代 Visual RM 需求一体化平台从需求管理全流程入手，以六大核心功能打造数智化支撑体系 应用后，新核心系统需求与模型匹配准确率提升至 100%，建模过程中业务与技术的衔接效率提升 3 倍。 效率层面 ⏱️：需求文档编写时间缩短 70%，评审效率提升 60%，新核心系统整体建模交付周期缩短 50%，原本需 6 个月完成的支付结算模块建模，仅用 3 个月即落地。 四、结语：需求数智化引领银行新核心系统企业建模未来 银行新核心系统企业建模是一项复杂的系统工程，需求管理的数智化转型是突破瓶颈的关键。
23420编辑于 2025-11-10 Proteno模型：仅需3%训练数据的高效文本归一化技术
关于英语的文本归一化研究已有大量成果，但西班牙语和泰米尔语此前没有公开的文本归一化数据集。因此，创建了新的数据集，并已公开发布供其他文本归一化研究人员使用。 在实验中，Proteno在英语上提供了与先前最先进技术相当的性能，而所需的训练数据仅为后者的3%。由于之前没有在西班牙语和泰米尔语上训练的文本归一化模型，因此实验没有基准数据可供比较。 标注：对令牌化后的未归一化文本进行逐个令牌的标注，从而得到每个未归一化令牌与其真实归一化之间的一对一映射。这些数据将用于训练模型。类别生成：然后将每个令牌映射到一个类别。 其中一小部分（3-5个）包含语言特定的规则，例如如何区分数字的基数和序数用法。其他类别（如自身、数字和罗马数字）在许多语言中保持相似。 自动生成类别使Proteno能够自动从数据中学习大多数归一化规则。分类：将文本归一化建模为一个序列标记问题，其中输入是未归一化令牌的序列，输出是能够生成归一化文本的类别序列。
9510编辑于 2026-01-16Visual RM需求数智化平台 六大能力全搞定
Visual RM 平台需求变更管理：以数智化重塑全流程，破解企业研发痛点在数字化转型进入深水区的当下，需求变更已成为企业研发过程中的常态。 北京维普时代软件有限公司推出的 Visual RM 需求数智化平台，凭借 “线上化、结构化、资产化、智能化” 四大核心能力，构建了覆盖需求变更全生命周期的管理体系，为企业破解需求变更难题提供了全新解决方案 跨部门协同需反复沟通澄清，一个变更需求的确认平均需耗费 3-5 个工作日，严重拖慢业务响应速度，甚至导致 “需求传递失真”。 五、总结：需求变更管理的 “数智化未来”在数字化转型的浪潮中，需求变更不再是 “麻烦”，而是企业响应市场、优化业务的重要机会。 Visual RM 以 “结构化拆解为基础、AI 智能为核心、资产沉淀为目标、开放集成为支撑、战略对齐为导向”，构建了需求变更管理的数智化体系，彻底破解了传统模式的困局。
32220编辑于 2025-10-27- 来自专栏人工智能领域
智谱ChatGLM3本地私有化部署（Linux）
https://zhipu-ai.feishu.cn/wiki/WvQbwIJ9tiPAxGk8ywDck6yfnof 智谱ChatGLM3本地私有化部署 1环境配置和检查 要进行智谱ChatGLM3 本地私有化部署，你需要进行以下环境配置和检查： 硬件要求： 确保你的服务器或计算机满足智谱ChatGLM3的硬件要求，包括处理器、内存和存储等方面。 操作系统： 智谱ChatGLM3支持多种操作系统，如Linux、Windows和macOS等。选择适合你的操作系统，并确保它符合智谱ChatGLM3的要求。 智谱ChatGLM3通常需要Python 3.10或更高版本。 测试和验证： 确保你的环境配置正确无误后，进行简单的测试和验证，确保智谱ChatGLM3可以正常运行。 请注意，智谱ChatGLM3的部署和配置可能会因个人需求和环境而有所差异。
1.8K12编辑于 2024-12-18 - 来自专栏自学测试之道
接口自动化之获取excel中请求数据
如上，这个只是简单的例子，后续还可以添加case关联、header、method等信息 2、通过数据库管理case 1、接口地址：URL 2、请求数据：DATA 3、接口类型：POST、GET 4、预期结果 如上，这个只是简单的例子，后续还可以添加case关联、header、method等信息 2、通过数据库管理case 1、接口地址：URL 2、请求数据：DATA 3、接口类型：POST、GET 4、预期结果 如上，这个只是简单的例子，后续还可以添加case关联、header、method等信息 2、通过数据库管理case 1、接口地址：URL 2、请求数据：DATA 3、接口类型：POST、GET 4、预期结果 如上，这个只是简单的例子，后续还可以添加case关联、header、method等信息 2、通过数据库管理case 1、接口地址：URL 2、请求数据：DATA 3、接口类型：POST、GET 4、预期结果 如上，这个只是简单的例子，后续还可以添加case关联、header、method等信息 2、通过数据库管理case 1、接口地址：URL 2、请求数据：DATA 3、接口类型：POST、GET 4、预期结果
2.5K20发布于 2019-09-29 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-3 求数据的主成分pca
在执行梯度上升法的过程中我们需要初始化一个初始的w值，之前在使用梯度下降法求解线性回归问题初始化的初始值都是一个0向量。 还有一点需要注意的，之前在使用梯度下降法求解线性回归模型的时候对样本数据进行了标准化，对样本进行标准化后的数据进行梯度下降法能够得到更好的效果，当时使用了Standardscaler的方式将样本的均值变成 总的来说，在使用梯度上升求解pca具体实现中有是三个注意事项： 每次迭代都将参数向量转化为单位向量； 初始化参数的时候不能使用0向量； 不能使用Standardscaler进行标准化； ? 在可视化的过程中由于w是一个值非常小的单位向量，为了得到更好的可视化效果整体乘上一个系数30。 这里选择0.75作为直线的斜率是因为此时的0.75是直线与x轴夹角的tan值，此时在构成的右下角直角三角形中，两个直角边分别是3和4，如果我们将其归一化，最终的结果一定是在横轴方向上是0.8，纵轴方向是
74850发布于 2019-11-13 - 来自专栏CloudBest
数字化转型需因企制宜久久为功
新一轮科技革命与产业变革方兴未艾，数字化转型是传统企业危中寻机的必然选择，也是经济社会发展的大势所趋。 不久前，不少制造业企业正在升级数字化转型战略。 ，不断延展产业数字化、数字产业化的空间。 实现数字化转型，需因企制宜。不同行业领域、不同企业类型，转型重点和实现路径不同，这决定了自身需求与发展方向也千差万别。 这就需要有经验有能力的平台企业参与进来，帮助中小企业梳理需求，基于平台的大数据、人工智能等技术，提供相应的解决方案和升级服务，从而更好地在数字化转型中实现互利共赢。 实现数字化转型，需久久为功。 随着数字化转型程度加深，发展重点应转向数字化业务的覆盖面与商业模式的有效性，应更加关注管理流程是否集约、人才结构是否适配等，进而让数字化战略持续驱动企业发展。
22110发布于 2021-11-30 - 来自专栏架构师之路
业务层，到底需不需要服务化？
基础数据的访问服务化之后，架构如上： （1）站点业务通过RPC接口，调用基础数据服务； （2）基础数据服务通过DAO，从db/cache获取数据； （3）db/cache存储数据； 除了基础数据的访问需要服务化 ，业务层是否需要服务化？ 如果需要，什么时机进行服务化？这是本文要讨论的两个问题。 于是系统架构变成了上图这个样子，业务垂直拆分，有若干个基础数据服务： （1）垂直业务要通过多个RPC接口访问不同的基础数据服务，服务共享是服务化的特征； （2）每个基础数据服务访问自己的数据存储，数据私有也是服务化的特征 业务服务化，通用业务服务层的抽象势在必行。 ?
69610发布于 2020-11-11 - 来自专栏低代码（low code）专栏
数字化与数智化的区别
3、作用：在企业发展中，通过数智化能实现更精细化的管理和运营。借助智能分析和预测，企业可以提前洞察市场趋势和潜在风险，快速做出决策和调整。它能深度挖掘数据价值，驱动业务创新和增长。 然而企业的数智化转型复杂度日益提升：业务战略从To B端向To C端、从单一渠道逐个攻破向全渠道整合营销的调整将颠賽过往的业务模式；长期稳定、层级式的组织架构需升级成为持续动态调整、网络化的多样化组织模式 ；架构的逐步迁移、决策模式对于数据与算法的关注以及相关技术的持续迭代突破层层叠加数字化转型的难度，使得业务、组织、技术任一方面的变革与调整都需从前瞻性、整体性与连贯性角度进行衡量。 （3）冠军型组织形态伴随着企业数智化程度的深入，该形态逐步呈现。 3、企业现状与数智化之间的矛盾纵观各企业向数智化双轮驱动迈进、持续提升快速迭代支撑与创新能力、开展数智化转型的过程，普遍会遇到当前管理、人员、技术等方面的一系列矛盾：（1）体制不合不同性质企业当前均面临不同层面的当前体制适配度不足问题
1.8K10编辑于 2024-06-18 - 来自专栏数据猿
重新认识企业数智化！
大数据产业创新服务媒体 ——聚焦数据 · 改变商业 ---- 企业数字化大家讲的比较多了，在数字化之后，则是数智化。从数字化到数智化的转变，并不是玩弄概念，而是有其实质内涵。 这篇文章，我们就来讲讲企业数智化升级。 数智化升级的时代需求 中国企业数字化转型已经进行较长时间了，中大型企业在业务和管理数字化过程中积累了大量的数据，但这些数据还没有效的用起来。 对于企业而言，在数字化转型之后，还要进入数智化升级阶段。 数智化的定义与三个核心要素 企业数智化升级是一个相对较新的概念，作为一个新概念，我们首先要界定这个概念的内涵和外延。 下面，我们来具体讨论下数智化与这三个方面的关系。 第一，数字化 数智化并不是凭空产生的，而是基于企业的数字化基础，是对企业数字化的继承和发展。企业在完成数字化转型之后，进一步实现智能化升级。 3、AI服务供给 企业服务当中，有大量重复、低价值的工作。如果将部分工作委托给AI程序，则可以在控制成本的情况下，大幅度提升企业的服务供给能力。
1.7K20发布于 2021-07-13 - 来自专栏财经科技
智博会前沿 | 从“制造”到“智造”，广域铭岛引领工业数智化转型
2022中国国际智能产业博览会（简称2022智博会）将于8月22日至24日在重庆悦来国际会议中心开幕。 本届智博会延续“智能化：为经济赋能，为生活添彩”的主题，聚焦“智造重镇”“智慧城市”建设，打造思想观点交流新平台，总结数字重庆建设新成效，展现数字应用新场景。 作为工业互联网第一梯队的广域铭岛也将如期现身智博会，集中呈现Geega（际嘉）工业互联网平台（以下简称“Geega平台”）赋能制造业数字化转型的应用实践，展示Geega平台从加速汽车行业转型到跨行业跨领域服务的应用成果 OT与IT实力，擅长以数字化技术提取工艺知识，沉淀可规模化复用的机理模型，针对产业链供应链上下游，企业研、产、供、销、服经营全链条，提供以工业软件为核心的数字化综合服务，精准地提升企业生产和管理效率。 跨行业跨领域赋能赋智广域铭岛“源于制造，反哺制造”，通过服务“链主”企业，打通上下游资源、数据等核心要素，在统一标准下实现全链条协同，沉淀可规模化复用的机理模型，逐渐从汽车行业向通用行业实现赋能、赋智，
55640编辑于 2022-08-08 - 来自专栏数商云网络
系统架构升级，数字化到数智化
今天的数智化，与企业过去的信息化、数字化相比，究竟有什么区别？在这一视野下，企业“从数字化到数智化”，又将经历哪些阶段，分别要处理哪些重要议题？ 从数字化到数智化转型，意味着： 一、从支撑技术来看，实现从IT到DT转变。 数字化转型是基于传统IT架构；数智化是基于云管端+AIoT等为代表的新技术群落。 当前，企业正进入数智化转型新阶段，基础设施云化、中台化、移动化推动企业从业务数据化向数据业务化转型，从单轮驱动向双轮驱动转型，并最终实现全链路数智化。 image.png 阶段一：IT 化阶段。 伴随着3G、4G、5G 等移动互联网及物联网技术的迭代，电子商务、社交网络、移动支付、网络约车等新业务涌现，推动着消费者在线，以及店铺、商品、组织、管理、服务的在线化。 阶段三：云端化阶段。 简言之，如果说企业数字化转型是基于 IT 技术、架构和PC端，那么企业数智化转型则是基于DT技术、架构和移动端。数字化的核心是业务数据化，数智化的核心则是数据业务化。
1.1K10发布于 2020-08-10 - 来自专栏腾讯云TI平台
腾讯发布产业数智化转型白皮书，做企业数智化升级「指南针」
其次是缺乏对不同组织数智化发展成熟度的兼顾。 最后，数智化应用与组织间“硬磨合”也会导致价值变现困难。传统的数智化转型往往是“一把手”工程，需要组织内部包括管理模式、组织、业务流程等各个方面不断地调整和适配这种“自上而下”的数智化转型战略。 为了回应当前数智化转型升级的新需求，突破传统模式推进数智化技术应用落地的桎梏，腾讯云智能从使用者的需求痛点及体验链路出发重新设计，创造性地提出了“以人为本，四大智能引擎推动政、企数智化升级”的新思路。 白皮书最后强调，当下数智化的技术应用与探索还远远没有到达终点，但以人为本将始终是企业不断探索数智化应用的“指南针”。 ，推动企业数智化更好地转型。
1.2K50编辑于 2022-12-05 - 来自专栏企鹅号快讯
中国IDC圈、科智咨询王若冰：从供到需——IDC产业的演进之路
会上，中国IDC圈、科智咨询高级分析师王若冰以《从供到需——IDC产业环境探讨》为题，进行了主题演讲。 “目前中国IDC市场现状是东热西冷。”王若冰说。 其中，数据中心分布格局与人口密度、城市经济发展水平、城市信息化发展指数、电消耗能力分布格局相一致，企业大多选择人口密度高、经济发达、信息发展指数较高得地区部署IDC业务，以保证企业获取足够的利润。 年的数据显示中国的IT需求量在减少，2017年数据回温，又重新看好中国市场，这主要因为人工智能、物联网等新业态在中国的接受程度较高，一但商用就是全面落地，飞速普及，就像二维码支付，从出现到全国普及也仅需半年左右 政府牵头推动IDC行业需求的增长，同时，IDC行业发展之后又进一步推动企事业单位、政府机关单位的信息化发展。 另一方面是技术迭代带来的行业演进。
1.8K60发布于 2018-01-17 - 来自专栏小游戏开发
“数智化” 时代，房企的数字化转型之路
相比其他行业，房地产的数字化起步更慢。 数字化转型已然成为地产企业必须付诸行动的必选项，谁先动谁就有先发优势。「房企通过数字化升级来提升产品和服务的品质是大势所趋。」” 承载着各式各样的生活服务场景，代码数量也指数级上升，IT 系统的复杂性也日益提升，如何让 APP IT 架构更加松散耦合，具备真正敏捷开发、敏捷交付的能力，来应对各种各样的线上营销场景也是放企急需考虑解决的问题3、 客户多样化需求倒逼。 3、降低用户使用门槛。 由于 FinClip 支持微信小程序语法 WXML，服务提供商基于微信语法开发的小程序，一套代码投放到微信，以及任一集成了 FinClip SDK 的 App。
71530编辑于 2022-12-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号