-
Patent Agency Ranking
公开(公告)号：CN114880664A
公开(公告)日：2022-08-09
申请号：CN202210354648.3
申请日：2022-04-06
Applicant: 北京信息科技大学
Abstract: 本发明提供一种信息安全风险事件要素关系与路径关联分析方法及装置。所述方法包括：以信息安全风险事件要素类型为实体，构建信息安全风险事件图；建立实体关系表示学习模型，将由实体和关系构成的实体三元组输入到训练好的模型，输出表示实体关系的语义相似度的低维稠密向量建立风险事件路径关联学习模型，采用强化学习对所述模型进行训练，通过智能体与环境的交互，得到风险事件路径的关联链。本发明通过构建信息安全风险事件图，采用风险要素关系分析与风险路径关联分析模型进行风险分析，提高了风险识别的效率和效果。
-
公开(公告)号：CN113010688A
公开(公告)日：2021-06-22
申请号：CN202110245088.3
申请日：2021-03-05
Applicant: 北京信息科技大学
Abstract: 本申请提供了一种知识图谱构建方法，包括：获取目标领域的用于构建知识图谱的目标数据集；采用基于监督学习的方法，对目标数据集进行知识抽取，得到知识抽取结果；从全局本体和局部本体的层面，对知识抽取结果进行知识融合，以构建初始知识图谱。可见，本申请采用基于监督学习的方法进行知识抽取、以及基于全局本体和局部本体的集成思想来实现本体概念层融合，实现了目标领域知识的获取与融合，从而实现了知识图谱的构建，该知识图谱构建方法不但在不同领域具有普适性，还有助于快速、高效地构建目标领域知识图谱。
-
公开(公告)号：CN114880664B
公开(公告)日：2024-10-15
申请号：CN202210354648.3
申请日：2022-04-06
Applicant: 北京信息科技大学
Abstract: 本发明提供一种信息安全风险事件要素关系与路径关联分析方法及装置。所述方法包括：以信息安全风险事件要素类型为实体，构建信息安全风险事件图；建立实体关系表示学习模型，将由实体和关系构成的实体三元组输入到训练好的模型，输出表示实体关系的语义相似度的低维稠密向量建立风险事件路径关联学习模型，采用强化学习对所述模型进行训练，通过智能体与环境的交互，得到风险事件路径的关联链。本发明通过构建信息安全风险事件图，采用风险要素关系分析与风险路径关联分析模型进行风险分析，提高了风险识别的效率和效果。
-
公开(公告)号：CN113780002B
公开(公告)日：2023-11-28
申请号：CN202110928277.0
申请日：2021-08-13
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于图表示学习和深度强化学习的知识推理方法及装置。所述方法包括：构建关系图神经网络模型，将知识图谱数据输入到所述模型，根据输入数据的不同关系类别提取知识的图拓扑结构信息和语义信息；以提取的信息为基础，构建强化学习模型，通过强化学习智能体和环境的交互进行知识推理，输出推理结果。由于图表示学习后的知识向量含有丰富的以关系类别为主的图拓扑信息和语义信息，提供了强大的单步推理信息，而强化学习推理过程中，通过智能体和环境不断地交互进行多步推理，因(56)对比文件Heng Wang 等.Incorporating graphattention mechanism into knowledge graphreasoning based on deep reinforcementlearning《.Proceedings of the 2019Conference on Empirical Methods inNatural Language Processing and the 9thInternational Joint Conference on NaturalLanguage Processing》.2019,2623-2631.
-
公开(公告)号：CN113780002A
公开(公告)日：2021-12-10
申请号：CN202110928277.0
申请日：2021-08-13
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于图表示学习和深度强化学习的知识推理方法及装置。所述方法包括：构建关系图神经网络模型，将知识图谱数据输入到所述模型，根据输入数据的不同关系类别提取知识的图拓扑结构信息和语义信息；以提取的信息为基础，构建强化学习模型，通过强化学习智能体和环境的交互进行知识推理，输出推理结果。由于图表示学习后的知识向量含有丰富的以关系类别为主的图拓扑信息和语义信息，提供了强大的单步推理信息，而强化学习推理过程中，通过智能体和环境不断地交互进行多步推理，因此，本发明基于图表示学习和强化学习的推理方法，通过将单步推理和多步推理互补结合，可提高推理效率、增强推理的可解释性。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
