-
Patent Agency Ranking
公开(公告)号：CN112131403B
公开(公告)日：2024-07-26
申请号：CN202010972901.2
申请日：2020-09-16
Applicant: 东南大学
Abstract: 本发明公开了一种动态环境下的知识图谱表示学习方法，对于知识图谱的表示学习任务，本发明设计了一个全新的知识图谱表示学习模型；该模型首先通过设计的一个基于注意力机制的图卷积神经网络将知识图谱中的实体和关系的上下文信息编码为向量表示，接着通过一个门策略将实体(或关系)的向量表示与其上下文向量结合，得到联合向量表示，最后基于联合向量表示进行训练，得到图谱中实体和关系的高质量向量表示。对于图谱更新后的增量式表示学习任务，基于上述模型设计了一个增量式表示学习算法，将每次图谱更新带来的影响限制在实体(或关系)各自的上下文范围内，而非整个图谱，以此方式避免重新训练所有数据，达到增量式表示学习的目标。
-
公开(公告)号：CN112131403A
公开(公告)日：2020-12-25
申请号：CN202010972901.2
申请日：2020-09-16
Applicant: 东南大学
Abstract: 本发明公开了一种动态环境下的知识图谱表示学习方法，对于知识图谱的表示学习任务，本发明设计了一个全新的知识图谱表示学习模型；该模型首先通过设计的一个基于注意力机制的图卷积神经网络将知识图谱中的实体和关系的上下文信息编码为向量表示，接着通过一个门策略将实体(或关系)的向量表示与其上下文向量结合，得到联合向量表示，最后基于联合向量表示进行训练，得到图谱中实体和关系的高质量向量表示。对于图谱更新后的增量式表示学习任务，基于上述模型设计了一个增量式表示学习算法，将每次图谱更新带来的影响限制在实体(或关系)各自的上下文范围内，而非整个图谱，以此方式避免重新训练所有数据，达到增量式表示学习的目标。
-
公开(公告)号：CN105654144B
公开(公告)日：2019-01-29
申请号：CN201610115254.7
申请日：2016-02-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于机器学习的社交网络本体构建方法，主要用于处理社交网络上的标签之间的上下位关系(即传统意义上的包含关系)的判定以及相应的本体的构建问题；从社交网络上抓取标签作为原始的数据集。本发明首先设计了6个特征值用于刻画任意两个标签之间的相似性，接着从原始数据集中挑选了部分标签对，结合它们的相似性特征值构成训练数据集，并人工对训练数据集中的标签对是否具有上下位关系进行标注；然后利用RandomForest的机器学习模型训练我们的训练数据集得到分类器模型；之后利用分类器模型对原始数据中任意两个标签之间的上下位关系进行判定并标注；抽取出所有具有上下位关系的标签对，构建出最终的社交网络本体。
-
公开(公告)号：CN109033160A
公开(公告)日：2018-12-18
申请号：CN201810627957.7
申请日：2018-06-15
Applicant: 东南大学
IPC: G06F17/30
Abstract: 本发明公开了一种知识图谱动态更新方法，用于解决百科知识图谱和其数据源之间的同步问题。本发明以万维网上的热点内容作为起点；从中抽取出命名实体作为种子实体，通常这些实体是可能发生更新的实体。然后在百科网站上抓取和种子实体相关的其他实体作为扩展实体。接着，从百科网站上获取一定数量的实体进行特征工程，并利用机器学习算法挖掘出实体特征表征的更新信息，构建预测器；利用预测器从扩展实体中筛选出更新概率高的实体。最后，以种子实体和更新概率高的扩展实体作为更新的对象，在数据源访问数量限制的情况下，实现知识图谱的动态更新。
-
公开(公告)号：CN105654144A
公开(公告)日：2016-06-08
申请号：CN201610115254.7
申请日：2016-02-29
Applicant: 东南大学
CPC classification number: G06K9/6256 , G06K9/6215 , G06K9/6247 , G06K9/6267 , G06Q50/01
Abstract: 本发明公开了一种基于机器学习的社交网络本体构建方法，主要用于处理社交网络上的标签之间的上下位关系(即传统意义上的包含关系)的判定以及相应的本体的构建问题；从社交网络上抓取标签作为原始的数据集。本发明首先设计了6个特征值用于刻画任意两个标签之间的相似性，接着从原始数据集中挑选了部分标签对，结合它们的相似性特征值构成训练数据集，并人工对训练数据集中的标签对是否具有上下位关系进行标注；然后利用RandomForest的机器学习模型训练我们的训练数据集得到分类器模型；之后利用分类器模型对原始数据中任意两个标签之间的上下位关系进行判定并标注；抽取出所有具有上下位关系的标签对，构建出最终的社交网络本体。
-
-
-
-
Search Results
5
records
(took 0.026 seconds)
