-
公开(公告)号：CN112948535A
公开(公告)日：2021-06-11
申请号：CN201911259634.8
申请日：2019-12-10
Applicant: 复旦大学
IPC: G06F16/33 , G06F16/35 , G06F40/117 , G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明提供一种文本的知识三元组抽取方法、装置及存储介质，针对多映射关系和多个关系共享头、尾实体的情况，能够准确的抽取出待处理文本中的全部结果，包括以下步骤：步骤S1，获取待处理文本；步骤S2，对待处理文本进行预处理；步骤S3，使用预定的文本多标签分类模型预测待处理文本中包含的关系类别集合；步骤S4，通过预定的文本数据抽取模型对待处理文本以及关系类别集合进行抽取从而得到头尾实体集合；步骤S5，对头尾实体集合进行后处理。
-
公开(公告)号：CN112989215B
公开(公告)日：2022-06-14
申请号：CN201911279154.8
申请日：2019-12-13
Applicant: 复旦大学
IPC: G06F16/9536 , G06F16/36
Abstract: 本发明提供一种基于稀疏用户行为数据的知识图谱增强的推荐系统，用于在稀疏用户历史行为记录数据场景下，完成高准确率的用户兴趣挖掘从而生成与用户兴趣相关的用户推荐结果并推荐给用户，其特征在于，包括：用户兴趣挖掘模块，用于对各个用户的用户行为数据进行挖掘从而得到对应用户兴趣的初步推荐结果；以及推荐结果重排模块，用于对初步推荐结果进行重排和调整从而得到更契合用户兴趣的用户推荐结果，其中，用户兴趣挖掘模块包括预处理部、用户画像构建部、语义扩展部、标签池构建部、标签过滤部以及标签采样部，推荐结果重排模块包括访问对象扩展部以及推荐结果调整部。
-
公开(公告)号：CN113282758A
公开(公告)日：2021-08-20
申请号：CN202010101678.4
申请日：2020-02-19
Applicant: 复旦大学
Abstract: 本发明提供一种政府治理领域下融合主题知识的深度关系抽取方法，用于基于政府领域的主题知识为包含实体对的句子抽取与该实体对相匹配的关系标签，其特征在于，包括如下步骤：步骤S1，构建用于判定句子以及关系标签之间的匹配程度的关系匹配模型；步骤S2，通过预设的主题模型提取与关系标签对应的主题知识；步骤S3，将句子、关系标签以及对应的主题知识分别输入关系匹配模型从而得到句子与关系标签之间的匹配分数；步骤S4，基于匹配分数对句子与对应的关系标签进行匹配从而完成对该句子的关系抽取。
-
公开(公告)号：CN112989215A
公开(公告)日：2021-06-18
申请号：CN201911279154.8
申请日：2019-12-13
Applicant: 复旦大学
IPC: G06F16/9536 , G06F16/36
Abstract: 本发明提供一种基于稀疏用户行为数据的知识图谱增强的推荐系统，用于在稀疏用户历史行为记录数据场景下，完成高准确率的用户兴趣挖掘从而生成与用户兴趣相关的用户推荐结果并推荐给用户，其特征在于，包括：用户兴趣挖掘模块，用于对各个用户的用户行为数据进行挖掘从而得到对应用户兴趣的初步推荐结果；以及推荐结果重排模块，用于对初步推荐结果进行重排和调整从而得到更契合用户兴趣的用户推荐结果，其中，用户兴趣挖掘模块包括预处理部、用户画像构建部、语义扩展部、标签池构建部、标签过滤部以及标签采样部，推荐结果重排模块包括访问对象扩展部以及推荐结果调整部。
-
Patent Agency Ranking
公开(公告)号：CN112948535B
公开(公告)日：2022-06-14
申请号：CN201911259634.8
申请日：2019-12-10
Applicant: 复旦大学
IPC: G06F16/33 , G06F16/35 , G06F40/117 , G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明提供一种文本的知识三元组抽取方法、装置及存储介质，针对多映射关系和多个关系共享头、尾实体的情况，能够准确的抽取出待处理文本中的全部结果，包括以下步骤：步骤S1，获取待处理文本；步骤S2，对待处理文本进行预处理；步骤S3，使用预定的文本多标签分类模型预测待处理文本中包含的关系类别集合；步骤S4，通过预定的文本数据抽取模型对待处理文本以及关系类别集合进行抽取从而得到头尾实体集合；步骤S5，对头尾实体集合进行后处理。
-
公开(公告)号：CN112948570A
公开(公告)日：2021-06-11
申请号：CN201911263803.5
申请日：2019-12-11
Applicant: 复旦大学
IPC: G06F16/335 , G06F16/35 , G06F16/36
Abstract: 本发明的目的在于实现领域知识图谱的自动化构建。具体地，本发明提供了一种无监督的领域知识图谱自动化构建系统，用于基于预定领域的领域语料建立该领域的领域知识图谱，其特征在于，包括：领域词挖掘模块，基于统计和规则相结合的词汇挖掘方法从领域文本文档中挖掘出领域相关的词语，从而输出领域词表；关系挖掘模块，通过预定规则初步建立起领域词表中的领域词之间的关系；概念挖掘模块，用于采用聚类手段进行概念挖掘从而进一步丰富领域词之间的关系。本发明的系统能够基于各领域均存在的文档作为切入点进行知识图谱构建，很好地适应于不同的领域；另一方面，构建过程不需要领域专家参与，能够降低工作量以及构建成本。
-
公开(公告)号：CN112966091A
公开(公告)日：2021-06-15
申请号：CN201911272709.6
申请日：2019-12-12
Applicant: 复旦大学
IPC: G06F16/335 , G06F16/36
Abstract: 本发明的目的在于提出能够充分利用知识图谱中语义信息以及图结构信息的推荐系统，该系统的主要特点包括：采用了实体的语义相似度的计算方法；采用了针对实体推荐应用的实体嵌入的计算方法；结合了图谱中的语义信息与图结构信息推荐实体。推荐系统具体包括：实体相似度计算模块，获取知识图谱的文本信息输入后计算获得实体的相似度；图谱嵌入式表示学习模块，以知识图谱中实体间的关系作为输入获得实体的嵌入式表示；以及实体推荐生成模块，基于用户的点击反馈数据，将实体相似度计算模块得到的相似度以及图谱嵌入式表示学习模块得到的嵌入式表示融合成最终相似度分数，从而让推荐应用向用户推荐实体。
-
公开(公告)号：CN116091167A
公开(公告)日：2023-05-09
申请号：CN202310152194.6
申请日：2023-02-23
Applicant: 复旦大学
IPC: G06Q30/0601 , G06F18/214
Abstract: 本发明属于人工智能与信息检索技术领域，具体为一种基于多任务学习框架的团购推荐模型。本发明团购推荐模型包括图表示学习模块、多任务学习模块、表示微调和预测模块；本发明首先公式化地定义团购推荐任务，并将团购任务拆分为两个相关的子任务；图表示学习模块通过节点和关系类型划分多视图，在多视图上分别学习用户和物品的特征表示，聚合得到每位用户和节点的向量表示；多任务学习模块通过专家网络和门控单元，同时学习两个任务，使两个任务的学习相互促进，并对门控单元进行调整，以提升多个学习任务间的信息交互能力；表示微调和预测模块通过辅助损失函数对特征表示进行微调，以提升特征表示的泛化性。本发明系统可实现高效、准确地团购推荐。
-
公开(公告)号：CN112966091B
公开(公告)日：2022-10-14
申请号：CN201911272709.6
申请日：2019-12-12
Applicant: 复旦大学
IPC: G06F16/335 , G06F16/36
Abstract: 本发明的目的在于提出能够充分利用知识图谱中语义信息以及图结构信息的推荐系统，该系统的主要特点包括：采用了实体的语义相似度的计算方法；采用了针对实体推荐应用的实体嵌入的计算方法；结合了图谱中的语义信息与图结构信息推荐实体。推荐系统具体包括：实体相似度计算模块，获取知识图谱的文本信息输入后计算获得实体的相似度；图谱嵌入式表示学习模块，以知识图谱中实体间的关系作为输入获得实体的嵌入式表示；以及实体推荐生成模块，基于用户的点击反馈数据，将实体相似度计算模块得到的相似度以及图谱嵌入式表示学习模块得到的嵌入式表示融合成最终相似度分数，从而让推荐应用向用户推荐实体。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
