-
公开(公告)号：CN116595131B
公开(公告)日：2024-12-06
申请号：CN202310295002.7
申请日：2023-03-23
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06F16/33 , G16H80/00 , G06F18/214
Abstract: 本发明提供一种使用大型语言模型进行医疗问答的方法及系统，该方法包括：获取用户的医疗对话历史内容；将所述医疗对话历史内容和第一提示指令输入大型语言模型，基于所述大型语言模型的多样化采样解码得到多个第一响应；将所述医疗对话历史内容和多个第二提示指令输入所述大型语言模型，得到分别对应于每个所述第二提示指令的多个第二响应；将所述医疗对话历史内容、所述多个第一响应和所述多个第二响应输入所述大型语言模型，生成医疗对话的回复内容并发送给所述用户。使得大型语言模型能够利用整体性思维，提高思维的深度和广度，从而能够生成更准确的回复内容，提升用户的使用体验。
-
公开(公告)号：CN118690381A
公开(公告)日：2024-09-24
申请号：CN202410626469.X
申请日：2024-05-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种面向数据权限管理的大语言模型训练方法及装置，所述方法包括：基于各领域数据，分别对预训练大语言模型进行训练，得到各领域的微调模块参数，并将各领域的微调模块参数存储至指定内存；基于目标用户对各领域数据的访问权限，从指定内存加载与访问权限对应目标领域的微调模块参数；将各目标领域的微调模块参数与预训练大语言模型的模型参数合并，得到目标用户对应领域的目标模型。本发明不仅能够获得性能较好的目标模型，而且能够降低模型训练和存储的成本。
-
公开(公告)号：CN116578714A
公开(公告)日：2023-08-11
申请号：CN202310294052.3
申请日：2023-03-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种知识图谱上的树状规则提取方法及装置，所述方法包括：从知识图谱上提取链式规则；对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；基于所述预测结果进行反向推理，得到所述目标规则体变量表示；基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。本发明提供的知识图谱上的树状规则提取方法及装置，基于链式规则，补充候选原子，得到树状规则，提升了规则的表达能力，使得规则更加准确，具有更好的链接预测效果。
-
公开(公告)号：CN111061851B
公开(公告)日：2023-08-08
申请号：CN201911276552.4
申请日：2019-12-12
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06N5/022
Abstract: 本发明涉及一种基于给定事实的问句生成方法及系统所述问句生成方法包括：获取历史参考数据，所述历史参考数据包括多条不同用户的历史输入信息；对各历史输入信息进行扩展，得到对应的上下文表示；根据各所述输入信息及对应的上下文表示，建立问句生成模型；基于所述问句生成模型，根据当前用户的当前输入信息，确定所述当前输入信息对应的问句序列。本发明通过历史参考数据建立问句生成模型；能够基于所述问句生成模型，可根据当前用户给定的少量当前输入信息，即可准确确定所述当前输入信息对应的问句序列。
-
公开(公告)号：CN116166812A
公开(公告)日：2023-05-26
申请号：CN202211610782.1
申请日：2022-12-12
Applicant: 中国科学院自动化研究所 , 国网天津市电力公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
Abstract: 本发明提供一种知识图谱补全方法、装置、电子设备和存储介质，涉及自然语言处理技术领域，所述方法包括：获取当前迭代周期中知识图谱中的多个事实三元组；基于各事实三元组之间的逻辑规则，确定至少一个结论三元组；将候选三元组和候选三元组对应的标签输入联合表示学习模型，得到候选三元组对应的向量表示和最终评分值，联合表示学习模型的损失函数是基于逻辑规则的结论损失、最小化全局损失和L2范数确定的；基于结论三元组，确定推理三元组，基于推理三元组更新知识图谱，并基于更新后的知识图谱进行迭代表示学习，直至无法确定结论三元组为止。本发明可提高推理三元组的可解释性，并提高补全后知识图谱的准确度。
-
Patent Agency Ranking
公开(公告)号：CN115759111A
公开(公告)日：2023-03-07
申请号：CN202211370706.8
申请日：2022-11-03
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明提供一种语言解析方法、装置、电子设备及存储介质，该方法包括：获取待解析语言；确定所述待解析语言对应的目标向量序列；对所述目标向量序列进行预测，确定目标解码器对应的目标预测序列；根据所述目标向量序列、所述目标预测序列及获取的其它解码器对应的其它预测序列，确定所述待解析语言对应的目标解析结果。该方法用以解决现有技术中语言解析方法的实现过程具有一定的局限性，容易导致电子设备无法准确得到单目标语义解析结果的缺陷，实现电子设备可得到较为准确的待解析语言对应的目标解析结果。
-
公开(公告)号：CN115238031A
公开(公告)日：2022-10-25
申请号：CN202210719711.9
申请日：2022-06-23
Applicant: 中国科学院自动化研究所
IPC: G06F16/33 , G06F16/332 , G06F16/335 , G06F16/36 , G06N5/02 , G06N5/04
Abstract: 本发明提供一种目标答案获取方法、装置、电子设备及存储介质，该方法包括：基于知识图谱的三元组，生成文本形式的证据库；基于所述证据库中的语句，构成各所述语句对应的第一问题及所述第一问题对应的证据链；其中，所述证据链用于获取所述第一问题对应的答案；基于用户输入的目标问题、所述第一问题及所述第一问题对应的证据链，获取所述目标问题对应的目标答案。本发明实施例能够适应推理复杂的真实场景，提高了推理类问答的准确率。
-
公开(公告)号：CN115222050A
公开(公告)日：2022-10-21
申请号：CN202210574007.9
申请日：2022-05-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种知识图谱的推理方法及装置，其中方法包括：获取目标知识图谱中实体文本对应的实体词向量，以及所述目标知识图谱中关系文本对应的关系词向量；将所述实体词向量和所述关系词向量输入对比学习模型，得到所述对比学习模型输出的所述实体词向量的实体对比学习向量以及所述关系词向量的关系对比学习向量；根据所述实体对比学习向量以及所述关系对比学习向量，确定所述目标知识图谱的推理结果。本发明提供的知识图谱的推理方法及装置，通过对比学习模型获取的实体对比学习向量以及关系对比学习向量用于后续知识图谱的推理，由于相似词向量间的差异更大，不相似词向量间的差异更小，提升了知识图谱推理的准确率。
-
公开(公告)号：CN110442693B
公开(公告)日：2022-02-22
申请号：CN201910685616.X
申请日：2019-07-27
Applicant: 中国科学院自动化研究所 , 腾讯科技(深圳)有限公司
IPC: G06F16/332 , G06F40/284
Abstract: 本发明提供了一种基于人工智能的回复消息生成方法、装置、服务器及介质，属于人工智能技术领域。方法包括：获取目标用户的会话消息；将会话消息输入多级编码器中，多级编码器包括多个级联的编码器；根据多个编码器的级联关系，控制每个编码器分别根据每个编码器对应的词汇表以及上一级编码器的状态信息生成会话消息的编码序列；根据多级解码器包括的多个解码器的级联关系，控制每个解码器分别根据多个编码器生成的编码序列、上级解码器生成的第一解码序列以及对应的编码器的状态信息生成第二解码序列，多个解码器与多个编码器一一对应；根据多级解码器生成的解码序列，输出会话消息的回复消息。使得生成的回复消息更加顺畅流利，质量较高。
-
公开(公告)号：CN111061851A
公开(公告)日：2020-04-24
申请号：CN201911276552.4
申请日：2019-12-12
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06N5/02
Abstract: 本发明涉及一种基于给定事实的问句生成方法及系统所述问句生成方法包括：获取历史参考数据，所述历史参考数据包括多条不同用户的历史输入信息；对各历史输入信息进行扩展，得到对应的上下文表示；根据各所述输入信息及对应的上下文表示，建立问句生成模型；基于所述问句生成模型，根据当前用户的当前输入信息，确定所述当前输入信息对应的问句序列。本发明通过历史参考数据建立问句生成模型；能够基于所述问句生成模型，可根据当前用户给定的少量当前输入信息，即可准确确定所述当前输入信息对应的问句序列。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.043 seconds)
