-
公开(公告)号：CN111814048B
公开(公告)日：2023-01-17
申请号：CN202010636805.0
申请日：2020-07-03
Applicant: 北京邮电大学
IPC: G06F16/9535
Abstract: 本发明实施例提供了一种信息推荐方法及装置，所述方法包括：获取待推荐二部图的拓扑信息、待推荐二部图中每个用户节点对应的用户信息及待推荐二部图中每个信息节点对应的内容信息；将拓扑信息、用户信息及内容信息输入信息推荐模型，确定每个用户节点对应的用户向量和每个信息节点对应的信息向量；基于用户向量表示的兴趣偏好、信息向量表示的内容特点及信息向量表示的语义信息，确定每个用户节点所表示的用户浏览候选信息节点所表示的信息的概率，作为预测概率；基于预测概率，向二部图中的每个用户节点所表示的用户推荐与该用户节点不存在历史浏览关系的信息节点所表示的信息。应用本发明实施例，可以更加准确地向用户推荐用户感兴趣的信息。
-
公开(公告)号：CN110704626B
公开(公告)日：2022-07-22
申请号：CN201910945503.9
申请日：2019-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种用于短文本的分类方法及装置，该方法在对待分类短文本进行分类时，根据从待分类短文本中获取的实体和所述主题分别与待分类短文本的所属关系，构建文本异质图，并将构建的文本异质图输入至预设的文本分类模型中，得到所述待分类短文本的分类结果，应用本发明实施例构建的文本异质图能够捕捉待分类短文本中的语义关系，且对异质图卷积神经网络训练时无需太多的标注数据，使得训练后的文本分类模型对短文本分类时的准确率更高，可见，应用本实施例提供的方法能够提高对短文本分类的准确率。
-
公开(公告)号：CN111814469B
公开(公告)日：2023-07-18
申请号：CN202010669942.4
申请日：2020-07-13
Applicant: 北京邮电大学
IPC: G06F40/289 , G06F40/211 , G06F40/126 , G06F16/31 , G06F16/36
Abstract: 本发明实施例提供了一种基于树型胶囊网络的关系抽取方法及装置，涉及文字处理领域，可以提高关系抽取的准确性。本发明实施例的技术方案包括：利用序列编码器编码待识别文本中的各词语，得到词向量矩阵，其中，词向量矩阵包括对每个词语编码后得到的词向量。然后拼接待识别文本中的两个指定实体的嵌入表示，与待识别文本的嵌入表示，作为序列句嵌入表示。并利用树型胶囊网络，对待识别文本的短语结构树进行编码，得到结构句嵌入表示，短语结构树用于表示待识别文本的句法结构，短语结构树的每个叶子节点对应待识别文本的一个词语。再根据序列句嵌入表示和结构句嵌入表示，确定两个指定实体之间的关系类别。
-
公开(公告)号：CN114662596A
公开(公告)日：2022-06-24
申请号：CN202210301579.X
申请日：2022-03-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种虚假信息检测模型训练方法及虚假信息检测方法，其中虚假信息检测模型训练方法包括：获取训练信息，训练信息包括文本和图像；将文本和图像分别输入至各自的编码器中，得到文本表示和图像表示；将文本表示和图像表示进行交互，确定面向文本的多模态特征和面向视觉的多模态特征；将面向文本的多模态特征和面向视觉的多模态特征分别输入至各自的分类器中，得到面向文本的损失值和面向视觉的损失值；根据面向文本的损失值和面向视觉的损失值确定虚假信息检测模型的目标函数，根据目标函数训练虚假信息检测模型。本发明提高了虚假信息检测的准确性及效率。
-
Patent Agency Ranking
公开(公告)号：CN110674317B
公开(公告)日：2022-04-12
申请号：CN201910944936.2
申请日：2019-09-30
Applicant: 北京邮电大学
IPC: G06F16/36
Abstract: 本发明实施例提供了一种基于图神经网络的实体链接方法及装置，该方法在对待链接对象进行实体链接时，从预设的知识库中确定待链接文本中所指定的待链接对象对应的实体作为潜在候选实体；根据关联对象，从潜在候选实体中确定指定候选实体；根据指定候选实体间的语义关系，构建实体‑单词异质图；将实体‑单词异质图输入至预设的向量表示模型中，得到实体‑单词异质图中实体的实体向量表示，将所得到的实体向量表示输入至预设的条件随机场CRF中，得到每一实体的链接值，并依据链接值，从指定候选实体中选择每一待链接对象对应的链接实体。应用本实施例提供的方法能够提高实体链接的准确率。
-
公开(公告)号：CN109800232B
公开(公告)日：2021-03-19
申请号：CN201910052260.6
申请日：2019-01-21
Applicant: 北京邮电大学
IPC: G06F16/22
Abstract: 本发明实施例提供了一种异质信息网络嵌入方法、装置、电子设备及存储介质，方法包括：确定节点关系元组对应的目标关系；针对隶属关系的各节点关系元组，将该节点关系元组中节点间连接关系的初始嵌入向量、该节点关系元组中各节点的初始嵌入向量，输入到预先确定的异质信息网络嵌入模型的隶属关系模型中；针对交互关系的各节点关系元组，将该节点关系元组中节点间连接关系的初始嵌入向量、该节点关系元组中各节点的初始嵌入向量，输入到预先确定的异质信息网络嵌入模型的交互关系模型中；在异质信息网络嵌入模型值最小时，分别输出待处理异质信息网络中各节点的目标嵌入向量。本发明实现了对异质信息网络中各节点进行针对性的网络嵌入分析。
-
公开(公告)号：CN111814469A
公开(公告)日：2020-10-23
申请号：CN202010669942.4
申请日：2020-07-13
Applicant: 北京邮电大学
IPC: G06F40/289 , G06F40/211 , G06F40/126 , G06F16/31 , G06F16/36
Abstract: 本发明实施例提供了一种基于树型胶囊网络的关系抽取方法及装置，涉及文字处理领域，可以提高关系抽取的准确性。本发明实施例的技术方案包括：利用序列编码器编码待识别文本中的各词语，得到词向量矩阵，其中，词向量矩阵包括对每个词语编码后得到的词向量。然后拼接待识别文本中的两个指定实体的嵌入表示，与待识别文本的嵌入表示，作为序列句嵌入表示。并利用树型胶囊网络，对待识别文本的短语结构树进行编码，得到结构句嵌入表示，短语结构树用于表示待识别文本的句法结构，短语结构树的每个叶子节点对应待识别文本的一个词语。再根据序列句嵌入表示和结构句嵌入表示，确定两个指定实体之间的关系类别。
-
公开(公告)号：CN110704640A
公开(公告)日：2020-01-17
申请号：CN201910944934.3
申请日：2019-09-30
Applicant: 北京邮电大学
IPC: G06F16/36
Abstract: 本发明实施例提供了一种知识图谱的表示学习方法及装置，该方法在在对知识图谱进行学习时，从所获取的待学习知识图谱中获取待学习实体；从第一语料库中获得待学习实体所属的描述文本中的待学习单词；根据待学习实体与待学习单词的所属关系，利用待学习单词间的相似性，构建实体-单词异质图；将所构建的实体-单词异质图输入至预设的第一实体-关系表示预测模型中，得到第一实体表示结果。本实施例构建的实体-单词异质图能够捕捉实体和单词之间的局部和全局的语义关系，以及实体和单词间的短距离语义关系和长距离语义关系。可见，应用本实施例提供的方法能够提高实体表示结果的准确度。
-
公开(公告)号：CN109800232A
公开(公告)日：2019-05-24
申请号：CN201910052260.6
申请日：2019-01-21
Applicant: 北京邮电大学
IPC: G06F16/22
Abstract: 本发明实施例提供了一种异质信息网络嵌入方法、装置、电子设备及存储介质，方法包括：确定节点关系元组对应的目标关系；针对隶属关系的各节点关系元组，将该节点关系元组中节点间连接关系的初始嵌入向量、该节点关系元组中各节点的初始嵌入向量，输入到预先确定的异质信息网络嵌入模型的隶属关系模型中；针对交互关系的各节点关系元组，将该节点关系元组中节点间连接关系的初始嵌入向量、该节点关系元组中各节点的初始嵌入向量，输入到预先确定的异质信息网络嵌入模型的交互关系模型中；在异质信息网络嵌入模型值最小时，分别输出待处理异质信息网络中各节点的目标嵌入向量。本发明实现了对异质信息网络中各节点进行针对性的网络嵌入分析。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
