公开(公告)号：CN118674036A

公开(公告)日：2024-09-20

申请号：CN202410728857.9

申请日：2024-06-06

Applicant: 中国科学院信息工程研究所

Inventor： 古晓艳 ,  翟明晖 ,  代飞飞 ,  李传荣 ,  李波 ,  王伟平

IPC: G06N5/025 ,  G06F40/16 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/0895

Abstract: 本发明涉及一种学习细粒度通用知识的跨域小样本关系抽取方法和装置。该方法包括：进行数据预处理，包括将语义提示模板拼接在数据集中每个句子的尾部；构建跨域小样本关系抽取模型，包含特征提取网络、双通道通用知识学习网络、关系对比学习网络和关系分类网络，双通道通用知识学习网络包含隐式通用知识学习网络和显式通用知识学习网络；利用训练集，通过隐式通用知识学习网络的损失函数、关系对比学习损失函数和关系分类损失函数训练跨域小样本关系抽取模型，并利用验证集获得最优模型；利用最优模型抽取目标域的句子中的关系。本发明能够精准地捕捉和利用跨领域的通用知识，减少对源域独有知识的依赖，提高在目标域中的关系抽取性能。

公开(公告)号：CN118349820A

公开(公告)日：2024-07-16

申请号：CN202410529092.6

申请日：2024-04-29

Applicant: 中国科学院信息工程研究所

Inventor： 古晓艳 ,  刘奕君 ,  代飞飞 ,  翟明晖 ,  李波 ,  王伟平

IPC: G06F18/211 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/094 ,  G06F40/30 ,  G06F16/35 ,  G06N3/048

Abstract: 本发明涉及一种基于协同自适应特征变换的跨域小样本关系抽取方法和系统。该方法包括：对支持集、查询集中的样本进行编码，得到样本的初步特征；将编码得到的样本的初步特征输入域感知变换模块，所述域感知变换模块利用目标域数据的分布特征对源域数据进行特征变换，得到领域感知特征；利用领域感知特征，通过协同自适应原型网络计算出支持集中各个类别的关系原型特征；计算查询样本与各个类别的关系原型特征之间的距离，选择距离最近的关系原型特征所属的类别作为查询样本的关系类别。本发明能够提高模型在不同领域间的泛化能力，能够显著提升模型对于目标域特征的理解和适应性，从而能够在目标域中获得更好的性能。

公开(公告)号：CN118245796A

公开(公告)日：2024-06-25

申请号：CN202410279277.6

申请日：2024-03-12

Applicant: 中国科学院信息工程研究所

Inventor： 古晓艳 ,  刘奕君 ,  代飞飞 ,  翟明晖 ,  李波 ,  王伟平

IPC: G06F18/214 ,  G06F18/24 ,  G06N20/00 ,  G06F11/34

Abstract: 本发明公开一种面向API异常检测的数据集生成方法及系统，属于API异常检测技术领域。所述方法包括：构建包含正常样本和异常样本的专家数据集，并初始化一合成数据集；在专家数据集和合成数据集中进行样本采样，并基于生成的示例数据集引导大模型学习示例的格式特征后，得到伪造数据样本；生成伪造数据样本的第一质量分数；生成伪造数据样本的第二质量分数；根据第一质量分数和第二质量分数对伪造数据样本进行筛选，并将筛选结果放入到合成数据集中；循环上述步骤，直至得到最终数据集。本发明可以利用已有的小规模API请求专家数据集和大语言模型生成大量高质量的API异常检测数据集。

公开(公告)号：CN113806630B

公开(公告)日：2024-06-14

申请号：CN202110896075.2

申请日：2021-08-05

Applicant: 中国科学院信息工程研究所

Inventor： 代飞飞 ,  古晓艳 ,  王卓 ,  李波 ,  钱明达 ,  王伟平

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F18/25

Abstract: 本发明公开了一种基于注意力的多视角特征融合跨域推荐方法及装置，包括利用公共用户在源域的域特性特征#imgabs0#公共用户与物品在目标域的域特性特征#imgabs1#与域特性特征IT、公共用户与物品在源域与目标域之间的潜在可迁移特征#imgabs2#与潜在可迁移特征#imgabs3#进行融合；基于融合结果进行训练；在最优模型的基础上，获取最优偏好预测集，以对公共用户进行目标域中的物品推荐。本发明解决了源域和目标域之间潜在可迁移特征的捕获问题，对不同类型的特征设置不同的权值，实现不同类型特征的有机结合和充分利用，进而提高推荐系统的性能。

公开(公告)号：CN110245285A

公开(公告)日：2019-09-17

申请号：CN201910357967.8

申请日：2019-04-30

Applicant: 中国科学院信息工程研究所

Inventor： 代飞飞 ,  古晓艳 ,  李波 ,  张金超 ,  钱明达 ,  王伟平

IPC: G06F16/9535 ,  G06N3/04

Abstract: 本发明公开了一种基于异构信息网络的个性化推荐方法，本方法通过基于注意力的特征增强模块对不同元图上用户和物品潜在特征的重要性进行学习，降低了无用的潜在特征对评分预测所带来的干扰，增强了有用潜在特征对评分预测的贡献力；同时利用基于分层次特征交互的评分预测模块对特征间的不同相互关系进行学习，不但考虑用户和物品各自加权潜在特征之间的内在联系，而且考虑用户或物品与其加权潜在特征之间的相关性；然后通过用户和物品间特征的融合，使得各特征间的二阶线性交互关系得到了充分挖掘。本发明通过多层感知机和因子分解机的使用，使得各特征间的高阶非线性交互关系得到了全面利用和高效组合，大大提高了推荐系统的性能。

公开(公告)号：CN113722608A

公开(公告)日：2021-11-30

申请号：CN202110825699.5

申请日：2021-07-21

Applicant: 中国科学院信息工程研究所

Inventor： 代飞飞 ,  古晓艳 ,  王卓 ,  钱明达 ,  李波 ,  王伟平

IPC: G06F16/9536 ,  G06F16/9535

Abstract: 本发明公开了一种迭代副信息指导下基于关联关系学习的协同过滤方法及装置，将用户与物品的异质副信息集成到评分记录矩阵；利用生成的偏好预测矩阵，对每一用户进行物品推荐。本发明通过对用户和物品的不同类型的异质副信息进行重要性区分，利用神经因子分解机挖掘各个类型的异质副信息之间的关联关系，并通过迭代的指导充分发挥用户和物品的异质副信息的作用，从而实现对用户和物品的综合理解，提高用户对物品偏好预测的准确度。