公开(公告)号：CN114399049A

公开(公告)日：2022-04-26

申请号：CN202210289845.1

申请日：2022-03-22

Applicant: 中国科学院自动化研究所

Inventor： 陶建华 ,  吴中天 ,  张大伟 ,  刘通 ,  杨国花

IPC: G06N5/02

Abstract: 本发明提供一种知识图谱自动补全方法，对于图谱中每一实体，统计其连接的关系边的种类和指向情况生成连边信息项集，通过对实体连边信息项集进行频繁二项集挖掘并生成关联规则，区分主要连边信息并进一步生成逆向关联规则，由关联规则生成实体的缺失连边信息并作为待补全三元组。此外，在处理过程中将会剔除明显的多对一关系的头实体连边信息以及明显的一对多关系的尾实体连边信息。解决了传统图谱补全算法无法自动获得待补全三元组的问题，为图谱补全算法提供了对信息搜索和补全的指导，节约时间和成本，提高效率和准确率，能提升在生物医学、金融信息、安保防护等多种领域下涉及图谱的算法表现。

公开(公告)号：CN113407660B

公开(公告)日：2021-12-14

申请号：CN202110934216.5

申请日：2021-08-16

Applicant: 中国科学院自动化研究所

Inventor： 陶建华 ,  吴家帆 ,  张大伟 ,  杨国花 ,  刘通

IPC: G06F16/31 ,  G06F16/33 ,  G06F16/335 ,  G06F16/35 ,  G06F40/14 ,  G06F40/295 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供非结构化文本事件抽取方法，包括：通过利用多阶句法树和图神经网络对文本信息进行编码，得到更为丰富和表征能力更强的词特征向量，进而提升事件检测的能力；通过构建外部本体知识，融入到候选事件论元编码环节，增加论元词汇特征编码的差异性，从而提升事件论元识别准确率。

公开(公告)号：CN113449084A

公开(公告)日：2021-09-28

申请号：CN202111021201.6

申请日：2021-09-01

Applicant: 中国科学院自动化研究所

Inventor： 陶建华 ,  张华 ,  张大伟 ,  杨国花 ,  刘通

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/279 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供基于图卷积的关系抽取方法，包括：语言分析预处理：借助于自然语言分析工具将数据集中的原句进行分词和依存句法分析，得到原句的分词结果，并构建得到一棵表示原句中词之间语义依存关系的依存句法树，根据依存句法树中节点间的拓扑关系生成邻接矩阵；查询词向量：通过查询词向量表可将原句的每个词转换为其对应的词向量，得到了原句的向量化表示；图卷积神经网络提取特征：将邻接矩阵和每个词的向量化表示输入图卷积网络中，学习得到特征表示；关系分类：将特征表示进行拼接后送入学习神经网络中得到最终表示，再根据特征表示获得实体对在各关系上的概率分布，预测概率最大的关系即是模型预测句子中主语实体和宾语实体存在的关系类型。

公开(公告)号：CN113297369A

公开(公告)日：2021-08-24

申请号：CN202110846067.7

申请日：2021-07-26

Applicant: 中国科学院自动化研究所

Inventor： 陶建华 ,  于敏 ,  张大伟 ,  刘通 ,  杨国花

IPC: G06F16/332 ,  G06F16/36 ,  G06F40/295

Abstract: 本发明提供基于知识图谱子图检索的智能问答系统，包括：所述问句处理模块识别用户输入问句中的实体，根据所述实体构建输入问句的句法依存树，得到实体之间的关系谓词；利用知识图谱嵌入得到知识图谱中三元组的低维稠密向量表示；将得到的用户输入问句中的实体映射到知识图谱中，得到每个实体在知识图谱中对应的候选实体列表，选择起点实体，引入关系谓词，在知识图谱中检索与之相匹配的知识图谱子图，再引入实体和关系谓词继续检索，迭代至全部的实体和关系谓词都引入完毕，输出检索到的知识图谱子图；再利用知识图谱子图过滤将检索得到的知识图谱子图进行剪枝；最后，输出相应结果。

公开(公告)号：CN113032516A

公开(公告)日：2021-06-25

申请号：CN202110581624.7

申请日：2021-05-27

Applicant: 中国科学院自动化研究所

Inventor： 陶建华 ,  马秉政 ,  张大伟 ,  刘通 ,  杨国花

IPC: G06F16/31 ,  G06F16/35 ,  G06F16/36 ,  G06F40/289 ,  G06F40/295 ,  G06K9/62

Abstract: 本发明提供基于近似本体匹配的知识图谱融合方法，包括：对待融合的知识图谱的集合进行初始化，构建倒排索引，依据所述倒排索引获取本体的共现情况，获取近似匹配本体，根据近似匹配本体提取候选实体对，在名称候选实体对集合和近似匹配本体集合中计算候选实体对在属性上的相似度，根据相似度向量的分量对候选实体初步判别，利用实体的文本特征对所述歧义实体和近义实体进行二次筛选；通过对于知识图谱的本体层进行粗筛，依据筛选结果对计算过程分块，达到缩减计算规模的目的。在各块内利用属性、名称、文本等特征计算实体相似度。

公开(公告)号：CN112988960A

公开(公告)日：2021-06-18

申请号：CN202110178271.6

申请日：2021-02-09

Applicant: 中国科学院自动化研究所

Inventor： 陶建华 ,  杨国花

IPC: G06F16/33 ,  G06F16/332 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04

Abstract: 本申请实施例涉及数据处理领域，具体涉及一种对话状态追踪方法、装置、设备及存储介质。旨在提升对话状态追踪的准确率。所述方法包括：将每轮对话的词序列与前一轮次系统动作的词序列拼接，得到每轮对话的输入词序列；利用预先训练好的槽填充序列标注模型，得到输入词序列中每个词的语义标签；将语义标签对应的特征向量与输入词序列中相应位置的词的向量拼接，得到输入词序列中每个词的特征向量；对输入词序列中每个词的特征向量编码，得到每轮对话的句子特征向量；将每轮对话的句子特征向量与前一时刻对话状态的信念分布进行拼接，将拼接得到的向量输入预先训练好的对话状态追踪模型中，为每轮对话标注上对话状态标签，得到每轮对话的对话状态。