-
公开(公告)号：CN118917313A
公开(公告)日：2024-11-08
申请号：CN202411072445.0
申请日：2024-08-06
Applicant: 中国科学院自动化研究所
IPC: G06F40/295 , G06F18/22 , G06F18/214 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F40/211
Abstract: 本公开涉及自然语言处理技术领域，具体涉及一种因果关系的识别方法、装置、电子设备、存储介质和计算机程序产品，因果关系的识别方法包括：获取目标语言的待识别文本数据；基于源语言的文本数据训练得到的异构图交互网络，对待识别文本数据中事件间的因果关系进行识别，其中，目标语言包括与源语言不同的语言。可以通过构建异构图交互网络并对源语言中包含事件对的陈述、以及不包含事件对的陈述进行多语言复写后，在陈述层面使用对比学习的方式提高从源语言学习的因果知识的跨语言可迁移性；使得用源语言中的标注数据训练的异构图交互网络能够直接应用于目标语言，实现零样本跨语言的文档级因果识别模型，解决了低资源语言识别能力差的问题。
-
公开(公告)号：CN118862896A
公开(公告)日：2024-10-29
申请号：CN202410752109.4
申请日：2024-06-12
Applicant: 中国科学院自动化研究所 , 上海人工智能创新中心
Abstract: 本发明提供一种上下文学习示例的选择方法、装置、电子设备和存储介质，该方法包括：获取候选示例集；基于候选示例集中各候选示例在打分示例集上的整体影响，确定候选示例集的影响相似度矩阵；打分示例集包括多个预先获取的验证示例；基于行列式点过程算法对候选示例集的影响相似度矩阵进行子集选取，选择得到上下文学习示例。本发明提供的方法，通过各候选示例在打分示例集上的整体影响，确定候选示例集的影响相似度矩阵，基于行列式点过程算法对候选示例集的影响相似度矩阵进行子集选取，选择得到能够用于多种类型的上下文学习任务的学习示例，大大节省了在实际应用中进行挑选学习示例的时间，进而提升了执行上下文学习任务的执行效率。
-
公开(公告)号：CN118606444A
公开(公告)日：2024-09-06
申请号：CN202410656522.0
申请日：2024-05-24
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06N5/022
Abstract: 本发明涉及自然语言处理技术领域，提供一种面向检索增强语言模型的知识冲突分析缓解方法，利用模型内部记忆答案、外部来源答案和回复结果，从回复结果的正确性、忠实性和模型记忆性中至少一个角度，对检索增强语言模型进行知识冲突分析，得到分析结果，如此可以更加清晰的确定出检索增强语言模型存在的问题。在分析结果是检索增强语言模型存在知识冲突的情况下，利用问题样本及其对应于知识冲突的类型的答案样本，对检索增强语言模型进行训练，以缓解检索增强语言模型的知识冲突问题，提高其平均召回率，更好地校准检索增强语言模型的置信度水平，提高其在面对知识冲突时的决策质量，确保检索增强语言模型能够在面对复杂的信息时做出准确判断。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.04 seconds)
