公开(公告)号：CN115599927A

公开(公告)日：2023-01-13

申请号：CN202211396787.9

申请日：2022-11-08

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)(CN)

Inventor： 廖清 ,  龚兴 ,  柴合言 ,  李鉴明 ,  王晔 ,  高翠芸 ,  贾焰

IPC: G06F16/36 ,  G06F16/31 ,  G06F40/126 ,  G06N3/04

Abstract: 本发明公开了一种基于度量学习的时序知识图谱补全方法及系统，包括：将若干个候选尾实体分别填入待补全三元组，获得若干个待评估四元组；根据第一头实体和所有候选尾实体的所有邻居实体、第一实体关系、以及第一时序信息，对第一头实体和候选尾实体进行实时编码，获得头实体编码结果和尾实体编码结果，并编码得到时序知识图谱中样本数据集对应的四元组编码结果；利用度量学习机制，结合所有编码结果，对各待评估四元组进行相似度评分排序，并根据排序结果确定待补全三元组对应的第一尾实体。本发明根据待补全三元组内的第一实体关系和第一时序信息，并基于少量样本数据，筛选得到第一尾实体，使得能够在保证补全效果的同时，减少整体运算数据。

公开(公告)号：CN114638195A

公开(公告)日：2022-06-17

申请号：CN202210069337.2

申请日：2022-01-21

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) ,  东莞理工学院 ,  湖南大学

Inventor： 廖清 ,  柴合言 ,  丁烨 ,  李肯立 ,  高翠芸 ,  方滨兴

IPC: G06F40/126 ,  G06F40/211 ,  G06F40/284 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务学习的立场检测方法。该方法通过将输入文本输入至多任务图网络模型，得到输入文本的立场检测极性和情感分类极性；所述多任务图网络模型为图卷积神经网络模型，多任务图网络模型包括文本输入处理模块、任务交互模块和任务相关注意力模块；文本编码模块用于将输入文本处理成多个词向量；任务交互模块用于构建立场相关图和情感相关图，并采用迭代交互异质图更新方法对立场相关图和情感相关图进行更新；任务相关注意力模块用于根据立场相关图的立场特征表示和情感相关图的情感特征表示计算输入文本的检测立场的极性和分类情感的极性。本发明技术方案提高了针对推文文本进行立场检测的准确性。

公开(公告)号：CN109872267A

公开(公告)日：2019-06-11

申请号：CN201910122858.8

申请日：2019-02-19

Applicant: 哈尔滨工业大学(深圳)

Inventor： 柴合言 ,  杨树强 ,  蒋琳 ,  罗震环 ,  罗珩瑜 ,  刘腮 ,  刘炳奇 ,  王太武

IPC: G06T1/00 ,  G06K9/62

Abstract: 本发明提供了一种鲁棒性的基于分组的数字水印方法，包括以下步骤：S1、水印预处理阶段，基于无监督学习方法的数据集分组，完成数据预处理和水印预处理；S2、水印嵌入阶段，将水印嵌入到数据库中的特定位置；S3、水印提取阶段，将水印从数据库中提取出来。本发明的有益效果是：提供了一种鲁棒性的基于分组的数字水印方法，在遇到数据结构攻击时，可以防止水印失效。

公开(公告)号：CN110533572A

公开(公告)日：2019-12-03

申请号：CN201910820539.4

申请日：2019-08-29

Applicant: 哈尔滨工业大学(深圳)

Inventor： 柴合言 ,  杨树强 ,  罗珩瑜 ,  蒋琳 ,  黄晓嘉 ,  王太武 ,  罗震环 ,  刘炳奇 ,  刘腮

IPC: G06T1/00 ,  G06F21/16

Abstract: 本申请提供一种水印嵌入方法，包括：对水印信息进行预处理，得到冗余水印编码；利用单向哈希函数对数据库中的元组进行分组；确定每个分组中所述元组的待嵌入属性；利用预设密钥将所述冗余水印编码嵌入至所述元组的所述待嵌入属性。利用纠删码技术进行水印编码，通过生成冗余水印，当攻击者完全删掉部分子水印时，本方案根据已提取出来的子水印能够恢复出完整的水印信息，这种水印编码方法解决了以往子水印被完全删除导致整个水印方案失效的问题，使得水印具有一定的容错率。本申请还提供一种水印嵌入系统、一种计算机可读存储介质和一种终端，具有上述有益效果。

公开(公告)号：CN112183580A

公开(公告)日：2021-01-05

申请号：CN202010927478.4

申请日：2020-09-07

Applicant: 哈尔滨工业大学(深圳)

Inventor： 廖清 ,  尹哲 ,  柴合言 ,  漆舒汉 ,  刘洋

IPC: G06K9/62 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于动态知识路径学习的小样本分类方法，包括如下步骤：基于知识图的知识挑选阶段，通过将辅助集组成知识图，用以小样本实例在知识图中寻找适合自己的学习路径；基于类别约束的动态路径生成阶段，小样本实例选择知识图中最相关的知识点组成路径，引入路径在类别级的约束，获得类别共性，通过计算路径损失来约束路径的好坏；基于路径的知识学习与分类阶段，顺序地将最相关的知识点所携带的信息提取出来增强目标实例的特征表达，查询集实例与支撑集中每一个小样本实例的特征表达进行相似度计算，使得目标实例分到相似度最高的类别上，然后使用交叉熵损失来衡量分类损失，通过分类损失和路径损失的加权求和建立小样本分类模型。

公开(公告)号：CN113420787A

公开(公告)日：2021-09-21

申请号：CN202110599827.9

申请日：2021-05-31

Applicant: 哈尔滨工业大学(深圳)

Inventor： 廖清 ,  柴合言 ,  王晔 ,  漆舒汉 ,  王轩

IPC: G06K9/62 ,  G06F17/11

Abstract: 本发明公开了一种缓解多任务学习中任务冲突的方法、装置及存储介质，所述方法获取待缓解多任务学习模型中各个学习任务的梯度值；判断各学习任务中选定学习任务与其余各学习任务之间是否存在任务冲突，在判定存在任务冲突时对选定学习任务的梯度值进行修剪，并将选定学习任务的梯度值更新为修剪后的梯度值，在选定学习任务的梯度值更新执行完毕后重新选定一学习任务作为选定学习任务重复执行梯度值更新，直至模型中所有学习任务的梯度值更新完毕，计算所有学习任务完成梯度值更新后的梯度值的平均值，获得平均梯度值，根据平均梯度值对模型的网络参数进行更新。通过实施本发明能在实现缓解任务冲突同时保持各个任务训练均衡。