-
公开(公告)号：CN118485075A
公开(公告)日：2024-08-13
申请号：CN202410497324.4
申请日：2024-04-24
Applicant: 中国科学院自动化研究所
IPC: G06F40/295 , G06N5/022 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于离散扩散的复杂事件模式归纳模型的训练方法、装置，该方法包括：获取样本复杂事件，基于样本复杂事件，确定样本实例图，对样本实例图的初始事件骨架图进行离散扩散，得到扩散事件骨架图，基于扩散事件骨架图的骨架特征以及初始事件预测模型，同时预测扩散事件骨架图对应的复杂事件骨架图；基于样本实例图以及初始实体关系预测模型，预测得到补全实例图；基于迭代完成的事件预测模型以及实体关系预测模型，得到最终的复杂事件模式归纳模型。本发明提供的方法、装置，实现了事件骨架图、实体关系的准确预测，提升了复杂事件模式归纳模型生成的复杂事件模式的准确性、有效性。
-
公开(公告)号：CN118396129A
公开(公告)日：2024-07-26
申请号：CN202410403374.1
申请日：2024-04-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于角色扮演的因果关系解释生成方法、装置，该方法包括：获取待解释的因果对；分别基于预设的任务提示，以及各推理角色的扮演者，对待解释的因果对进行与推理角色对应的分析，得到与待解释的因果对相关的细粒度知识；推理角色的扮演者包括原因分析者、结果分析者、疑问解答者；基于生成者，生成待解释的因果对的初始解释，以及，基于细粒度知识、待解释的因果对、批评者，生成初始解释的反馈结果，基于生成者以及反馈结果，对初始解释进行迭代，直至得到待解释的因果对最后的因果关系解释；本发明提供的方法，通过多个扮演角色实现推理逻辑正确、有深度的高质量解释生成，进而提升基于解释生成的下游自然语言任务的准确性。
-
公开(公告)号：CN118193750A
公开(公告)日：2024-06-14
申请号：CN202410312411.8
申请日：2024-03-19
Applicant: 中国科学院自动化研究所
IPC: G06F16/36 , G06N5/02 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06F17/16 , G06F17/18 , G06F18/22 , G06N3/08
Abstract: 本发明提供一种知识图谱事实错误检测方法、装置、电子设备及存储介质，应用于数据处理技术领域。该方法包括：从待检测知识图谱中获取目标三元组，所述目标三元组包括头实体、尾实体以及实体关联关系；确定所述目标三元组的置信度分数，所述置信度分数包括局部分数和全局分数，所述局部分数用于指示所述目标三元组的内部结构的矛盾程度，所述全局分数用于指示所述头实体和所述尾实体在所述待检测知识图谱中的外部语义的差异程度；在所述置信度分数大于预设阈值的情况下，确定所述目标三元组存在事实错误。
-
公开(公告)号：CN117217312A
公开(公告)日：2023-12-12
申请号：CN202311085481.6
申请日：2023-08-25
Applicant: 中国科学院自动化研究所
IPC: G06N5/04 , G06N5/022 , G06N3/04 , G06F16/28 , G06F16/901
Abstract: 本发明提供一种基于图神经网络的可解释知识图谱推理方法及装置，该基于图神经网络的可解释知识图谱推理方法包括：获取用户输入的待查询三元组，待查询三元组包括源实体和实体关系；根据源实体在知识图谱中的上下文信息构建知识图谱子图，并根据关系感知的注意力机制对知识图谱子图和实体关系进行编码，得到关系权重；基于关系权重对源实体在知识图谱中关联的关系路径进行聚合处理，得到关系路径表征。本发明所述方法通过结合结构信息、实体关系对不同实体的贡献度，以及其在各种规则路径中的重要性对源实体的关系路径进行综合分析，充分利用知识图谱的上下文信息和周围邻居节点信息，提升了推理结果的准确率。
-
公开(公告)号：CN113779190B
公开(公告)日：2023-08-18
申请号：CN202110819756.9
申请日：2021-07-20
Applicant: 中国科学院自动化研究所
IPC: G06F16/33 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种事件因果关系识别方法、装置、电子设备与存储介质，所述方法包括：基于待识别的事件对所在的文本，确定所述事件对的上下文表示；将所述事件对的上下文表示，以及与所述事件对相关的描述性知识和关联性知识输入至因果关系识别模型，得到所述因果关系识别模型输出的所述事件对的因果关系；其中，所述因果关系识别模型是基于样本事件对的上下文表示，与所述样本事件对相关的样本描述性知识和样本关联性知识，以及所述样本事件对的因果关系训练得到的。本发明提供的方法、装置、电子设备与存储介质，能够充分挖掘事件对之间的因果关系信息，避免显式线索缺乏导致事件因果关系无法识别的问题，极大地提高事件因果关系识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115906862A
公开(公告)日：2023-04-04
申请号：CN202211298060.7
申请日：2022-10-22
Applicant: 中国科学院自动化研究所 , 昆明理工大学
IPC: G06F40/30 , G06F40/216 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/045 , G06N3/088
Abstract: 本发明涉及一种联合学习框架下基于多视角图编码的选择式阅读理解方法。本发明首先通过多视角图编码网络从多个不同视角对文档、问题和候选答案联合编码，从统计特性、相对距离和深度语义三个视角捕捉文档中句子之间以及文档句子和问句之间的关联关系，充分挖掘潜在证据信息，获得问答对感知的文档编码；然后，通过一个二分类器来判断文档中每一个句子是否为证据句以实现证据抽取模块的功能；最后构建答案预测模块，使用证据抽取模块得到的文档句子作为证据的概率对多视角图编码网络得到的文档编码进行加权以及选择性融合，在联合学习的框架下同时训练两个模块，从而实现答案预测的目标。本发明在选择式阅读理解任务上取得了较好的效果。
-
公开(公告)号：CN115618846A
公开(公告)日：2023-01-17
申请号：CN202211185670.6
申请日：2022-09-27
Applicant: 中国科学院自动化研究所
IPC: G06F40/205 , G06F40/30 , G06F40/284 , G06N3/08
Abstract: 本发明提供一种篇章级关系抽取方法、装置、电子设备及存储介质，其中篇章级关系抽取方法包括：获取目标篇章文本，目标篇章文本为标识有代词及与代词对齐的名词短语指称的篇章文本；基于目标篇章文本和预设关系抽取模型，得到目标篇章文本中不同实体对之间的语义关系及语义关系的关系类别。本发明能够有效提高篇章级关系抽取的精准性和可靠性。
-
公开(公告)号：CN113761925B
公开(公告)日：2022-10-28
申请号：CN202110837136.8
申请日：2021-07-23
Applicant: 中国科学院自动化研究所
IPC: G06F40/295 , G06F40/216 , G06K9/62
Abstract: 本发明提供一种基于噪声感知机制的命名实体识别方法、装置及设备，其中方法包括：确定待识别文本；将待识别文本输入至命名实体识别模型，得到命名实体识别模型输出的识别结果；命名实体识别模型是基于干净样本集合训练得到的，干净样本集合是基于原始样本集合中各样本文本的训练统计量，对原始样本集合进行噪声筛除得到的，训练统计量是在基于样本文本进行训练过程中统计的预测结果和标签之间的差异。本发明提供的方法、装置、电子设备和存储介质，能够通过获取待识别文本的识别结果，根据识别结果对待识别文本进行命名实体类型判定，克服了命名实体识别数据集中正确样本和噪声样本难以区分的问题，实现了待识别文本的命名实体类型的精确识别。
-
公开(公告)号：CN115238705A
公开(公告)日：2022-10-25
申请号：CN202210731235.2
申请日：2022-06-24
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/205 , G06F16/31 , G06F16/33 , G06F16/338 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种语义解析结果重排序方法及系统，该方法包括：通过语义解析器，对目标自然语言语句进行解析，得到所述目标自然语言语句的候选逻辑表示集合；将所述目标自然语言语句和所述候选逻辑表示集合输入到重排序模型，得到候选语义重排序结果；根据所述候选语义重排序结果，确定所述目标自然语言语句的目标逻辑表示；其中，所述重排序模型是基于样本自然语言语句对应的自然语言相似样本和样本候选逻辑表示预测结果对应的逻辑表示相似样本，对预训练的深度神经网络进行训练得到的。本发明通过对语义解析结果进行重排序，有助于进一步搜索概率空间，从而根据重排序结果确定最终的语义解析结果，提高语义解析中推理算法的性能和准确性。
-
公开(公告)号：CN113779190A
公开(公告)日：2021-12-10
申请号：CN202110819756.9
申请日：2021-07-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种事件因果关系识别方法、装置、电子设备与存储介质，所述方法包括：基于待识别的事件对所在的文本，确定所述事件对的上下文表示；将所述事件对的上下文表示，以及与所述事件对相关的描述性知识和关联性知识输入至因果关系识别模型，得到所述因果关系识别模型输出的所述事件对的因果关系；其中，所述因果关系识别模型是基于样本事件对的上下文表示，与所述样本事件对相关的样本描述性知识和样本关联性知识，以及所述样本事件对的因果关系训练得到的。本发明提供的方法、装置、电子设备与存储介质，能够充分挖掘事件对之间的因果关系信息，避免显式线索缺乏导致事件因果关系无法识别的问题，极大地提高事件因果关系识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.04 seconds)
