-
公开(公告)号：CN117829298B
公开(公告)日：2024-05-14
申请号：CN202410249412.2
申请日：2024-03-05
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/006
Abstract: 本发明提供一种多跳时序知识图谱问答方法及系统，涉及计算机科学领域。该多跳时序知识图谱问答方法，本方法通过三个阶段实现：一，使用Tempor‑hard方法对时序知识图谱问答数据集进行处理，获取问题的时间信息，并通过预训练语言模型获取语义矩阵。借助attention pooling和TComplEx嵌入等技术，对问题进行编码，获得问题的上下文表示。二，通过上下文相关性解析模块选取主题实体和候选动作，提高准确度。三，构建强化学习网络，引入动态实体编码和时空特征融合模块以增强推理能力，并使用先验分布对奖励进行时间感知塑造。该方法具备强大的语义理解和推理能力，可在信息检索、智能助理等领域提供高效、准确的问答模型，推动智能化技术的发展，提升用户体验。
-
公开(公告)号：CN117688975B
公开(公告)日：2024-05-14
申请号：CN202410148822.8
申请日：2024-02-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于演化规律挖掘的气象事件预测方法及系统，包括：采集气象数据并使用注意力机制对气象数据的触发词及其参数表示进行聚合，得到实时气象事件；将实时气象事件与预设的气象规律演化模型进行融合，获取实时气象事件演绎图；所述气象规律演化模型的构建方法包括：对气象事件类型图进行图卷积和图池化获得池化图GP和类型节点；将气象事件类型图中的类型节点更新为聚合节点；基于池化图GP对气象事件分布规律进行挖掘和扩展，能够提升预测准确性、揭示规律和计算气象事件发生概率，有助于各行业和民众做出合理决策和安排。
-
公开(公告)号：CN117786374A
公开(公告)日：2024-03-29
申请号：CN202410221484.6
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。
-
公开(公告)号：CN117688975A
公开(公告)日：2024-03-12
申请号：CN202410148822.8
申请日：2024-02-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于演化规律挖掘的气象事件预测方法及系统，包括：采集气象数据并使用注意力机制对气象数据的触发词及其参数表示进行聚合，得到实时气象事件；将实时气象事件与预设的气象规律演化模型进行融合，获取实时气象事件演绎图；所述气象规律演化模型的构建方法包括：对气象事件类型图进行图卷积和图池化获得池化图GP和类型节点；将气象事件类型图中的类型节点更新为聚合节点；基于池化图GP对气象事件分布规律进行挖掘和扩展，能够提升预测准确性、揭示规律和计算气象事件发生概率，有助于各行业和民众做出合理决策和安排。
-
公开(公告)号：CN117033638A
公开(公告)日：2023-11-10
申请号：CN202311064635.3
申请日：2023-08-23
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F16/36 , G06N5/022 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于脑电EEG认知对齐知识图谱的文本情感分类方法，先将视频人工解释为文本，抽取实体关系构建知识图谱；利用皮尔逊相关系数构建大脑功能连接矩阵BG,提取脑电频域特征构建特征向量。在BGI模块中，计算捕捉BG之间的拓扑关系，与特征向量进行时空图卷积获得时空向量#imgabs0#过滤#imgabs1#并输入CA模块中。同时#imgabs2#通过GRU获得BGall。设计上界网络P(BG|KG)，将从KG获得分布pθ(AL|KG)，同时从BG'获取分布#imgabs3#获得表征认知对齐的隐变量AL，重构脑图BGrecon并反向引导AL的生成。最后在Fusion模块中，将KGall，#imgabs4#与BGal结合进行情感分类。本发明通过引入生理信号，提高文本情感分类的精度，增强文本分类任务的可解释性。
-
Patent Agency Ranking
公开(公告)号：CN116151375A
公开(公告)日：2023-05-23
申请号：CN202310426771.6
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/048 , G06N3/084 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/0455 , G06N3/092 , G06N3/098 , G06N3/09
Abstract: 本发明公开了一种基于反事实与路径挖掘的事件溯因推理方法，包括：采用自注意力机制获得因果效应矩阵，利用图神经网络将其导入事件结点表示；利用注意力机制形成中间隐状态，引导RoBERTa模型抽取观测事件的关键特征hatt；将事件利用余弦相似度投影到外部事件逻辑图上，并基于中间隐状态，利用强化学习计算类似事件之间的逻辑链路；利用注意力机制获得上下文向量qpath；将hatt与qpath拼接用于计算假设的合理值得分；选择合理值得分最高的假设作为最有可能发生的合理假设；添加反事实损失函数优化模型，比较不同假设事件以挖掘关键溯因特征。本方法的推理结果更加精确，并根据反事实敏感性，抓取支持溯因的关键因素。
-
公开(公告)号：CN115496291A
公开(公告)日：2022-12-20
申请号：CN202211236102.4
申请日：2022-10-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高精度残缺值的聚类型数据增广气象温度预测方法，包括：S1，创建样本集：对输入的原始气象温度数据集进行残缺值修复，结合滑动窗口、输入时序长度、预测时序长度进行样本集划分以形成完整样本集；S2，聚类：将完整样本集中的每一个样本从温度维度将值取出代表该样本的数据信息，并用主成分分析将维度降至3维；在选取K值后再用K‑MEANS算法将每个样本赋予其代表的类别号；S3，数据增广：对每个样本按照其所属类别进行增广；S4，训练时序预测器；S5，测试时序预测器。对比于平均值和众数等方法，本发明的预测方法的预测精度有着大幅提升。
-
公开(公告)号：CN115423106A
公开(公告)日：2022-12-02
申请号：CN202211374352.4
申请日：2022-11-04
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N5/02 , G06N3/04 , G06N3/08 , G06F16/36 , G06F40/169 , G06F40/205 , G06F16/35
Abstract: 本发明提供了一种基于多模态事件知识图谱的溯因推理方法，有机混合了事件知识图谱和多模态知识图谱的本体层和事实层，使事实知识可以通过多模态事件知识图谱的形式存储和使用，丰富了现行的知识组织和使用形式；同时对ege‑RoBERTa模型进行拓宽，增加了额外知识接口以及卷积自编码器训练通道，使其可以支持多模态事件信息作为额外知识辅助推理，得到更好的推理结果。
-
公开(公告)号：CN115221557A
公开(公告)日：2022-10-21
申请号：CN202210903287.3
申请日：2022-07-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于差分隐私的车辆轨迹数据保护方法、系统、计算机设备和存储介质，所述方法包括：对轨迹数据进行网格划分；获取轨迹数据的噪声分布和起讫点分布；对各个分布进行采样获得采样位置点；判断采样位置点的合理性，合理的采样位置点的组合得到完整合成轨迹；根据完整合成轨迹，将合成轨迹的起讫点加上拉普拉斯噪声进行扰动，得到满足差分隐私保护的轨迹数据。本发明通过最大移动距离和最大转折角度，将采样位置控制在合理范围内，保持了原数据的特性，同时通过对特征分布、起始点以及转移概率加噪，能够保证实现轨迹数据的差分隐私保护，使对手无法通过背景知识进行攻击。该方法不仅保证了数据效用性，也保护了数据隐私。
-
公开(公告)号：CN114662659B
公开(公告)日：2022-09-16
申请号：CN202210237867.3
申请日：2022-03-11
Applicant: 南京信息工程大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06F40/284 , G06F40/30 , G06F40/216
Abstract: 本发明提供一种基于多阶段迁移学习策略综合的众包文本集成方法，具体为1、构建迁移式生成型众包文本集成模型TTGCIF；2、获得源域文本数据集和目标域文本数据集的语义原型；3、对语义原型进行词嵌入处理；4、根据最大均值差异做数据分布对齐；5、对TTGCIF进行语义原型转导模型训练；6、将源域文本数据集处理为训练任务集；7、将训练任务集输入到TTGCIF中进行领域快速适应模型训练；8、将部分目标域文本数据集输入到TTGCIF中进行模型微调训练。通过以上过程，实现文本集成。本发明能够摒弃传统方法中对数据标签的需求，减少人力物力的浪费，对数据稀缺场景下进行众包文本集成的有着极大的促进作用。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.035 seconds)
