-
公开(公告)号：CN117852523A
公开(公告)日：2024-04-09
申请号：CN202311564750.7
申请日：2023-11-22
Applicant: 中国科学院信息工程研究所
IPC: G06F40/205 , G06F40/279 , G06F40/30 , G06N3/045 , G06N3/0895 , G06N3/09 , G06N3/0464 , G06F18/213 , G06F18/10 , G06N3/082
Abstract: 本发明涉及一种学习鉴别性语义和多视角上下文的跨域小样本关系抽取方法和装置。该方法包括：进行数据预处理，将语义提示模板拼接在数据集中每个句子的尾部；构建特征提取网络、语义对比学习网络、多视角上下文学习网络和关系分类网络，多视角上下文学习网络中包含信息过滤机制；通过语义对比学习损失和关系分类损失训练模型，并利用验证集获得最优模型；利用最优模型抽取目标域的句子中的关系。本发明利用语义对比学习提高模型识别具有相似实体语义的不同关系的能力，通过多视角的上下文学习模块提高模型利用上下文信息区分不同关系的能力，并通过权重自适应的信息过滤机制避免学习上下文的过程中过度关注实体从而获得更全面的上下文知识。
-
公开(公告)号：CN113806630A
公开(公告)日：2021-12-17
申请号：CN202110896075.2
申请日：2021-08-05
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F16/9536 , G06K9/62
Abstract: 本发明公开了一种基于注意力的多视角特征融合跨域推荐方法及装置，包括利用公共用户在源域的域特性特征公共用户与物品在目标域的域特性特征与域特性特征IT、公共用户与物品在源域与目标域之间的潜在可迁移特征与潜在可迁移特征进行融合；基于融合结果进行训练；在最优模型的基础上，获取最优偏好预测集，以对公共用户进行目标域中的物品推荐。本发明解决了源域和目标域之间潜在可迁移特征的捕获问题，对不同类型的特征设置不同的权值，实现不同类型特征的有机结合和充分利用，进而提高推荐系统的性能。
-
公开(公告)号：CN110245285B
公开(公告)日：2021-07-13
申请号：CN201910357967.8
申请日：2019-04-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种基于异构信息网络的个性化推荐方法，本方法通过基于注意力的特征增强模块对不同元图上用户和物品潜在特征的重要性进行学习，降低了无用的潜在特征对评分预测所带来的干扰，增强了有用潜在特征对评分预测的贡献力；同时利用基于分层次特征交互的评分预测模块对特征间的不同相互关系进行学习，不但考虑用户和物品各自加权潜在特征之间的内在联系，而且考虑用户或物品与其加权潜在特征之间的相关性；然后通过用户和物品间特征的融合，使得各特征间的二阶线性交互关系得到了充分挖掘。本发明通过多层感知机和因子分解机的使用，使得各特征间的高阶非线性交互关系得到了全面利用和高效组合，大大提高了推荐系统的性能。
-
公开(公告)号：CN117749641A
公开(公告)日：2024-03-22
申请号：CN202311508882.8
申请日：2023-11-13
Applicant: 中国科学院信息工程研究所
IPC: H04L41/142 , H04L41/147
Abstract: 本发明涉及一种基于子图的符号链路预测方法及系统。该方法包括：对图数据进行预处理操作得到符号图的邻接矩阵；构建基于重要性的子图提取模块，对全局邻居节点进行选取，针对网络中的每一个目标节点对提取子图；构建符号感知的节点标记模块，以目标节点为中心，采用相对距离编码对子图的图结构进行编码，得到表示结构的特征向量，实现邻居信息的知识嵌入；构建自平衡的符号分类模块，将编码的子图输入图神经网络，利用图卷积和图池化操作对子图信息进行特征提取，得到子图表示，通过焦点损失和自剪枝对比损失实现链路的平衡分类；对各模块进行训练以进行符号链路预测。本发明能够克服现有符号链路预测方法的不足，取得更好的符号链路预测效果。
-
公开(公告)号：CN116861076A
公开(公告)日：2023-10-10
申请号：CN202310752863.3
申请日：2023-06-25
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F18/214 , G06F18/22 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于用户流行度偏好的序列推荐方法及装置，该方法包括：根据训练集中的用户‑物品交互数据，按照时间顺序构建用户行为序列；计算序列推荐模型的基础损失；计算序列推荐模型的去噪损失；计算序列推荐模型的对比学习损失；根据基础损失、去噪损失和对比学习损失进行序列推荐模型的训练和优化，进而得到待检测用户‑物品交互序列的推荐结果。本发明可以全面捕捉多样化和动态的用户流行度偏好。
-
Patent Agency Ranking
公开(公告)号：CN119963674A
公开(公告)日：2025-05-09
申请号：CN202411955084.4
申请日：2024-12-27
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种定制化人物视频生成方法和装置，该方法包括：步骤1，基于具有先验知识的文本生成图像模型，结合以人物为中心的图像和视频数据，构建基础的姿态可控的人物视频生成模型；步骤2，通过参考视频中的姿态信息和文本描述构建训练数据集，微调所述人物视频生成模型的图像生成部分，学习参考人物的外观特征；步骤3，在已微调的所述人物视频生成模型基础上集成时序层，利用视频数据进行微调，增强所述人物视频生成模型对时间序列信息的建模能力，保持所述人物视频生成模型的先验知识；步骤4，输入自定义文本以及姿势图序列，利用微调后的所述人物视频生成模型，生成具有自定义场景和姿态的个性化视频。该方法克服了现有技术局限，降低计算资源开销，不仅提升了生成视频的个性化程度，还增强了对复杂场景和多样化姿态的生成能力，显著扩展了模型的应用范围与灵活性。
-
公开(公告)号：CN113722608B
公开(公告)日：2024-03-22
申请号：CN202110825699.5
申请日：2021-07-21
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种迭代副信息指导下基于关联关系学习的协同过滤方法及装置，将用户与物品的异质副信息集成到评分记录矩阵；利用生成的偏好预测矩阵，对每一用户进行物品推荐。本发明通过对用户和物品的不同类型的异质副信息进行重要性区分，利用神经因子分解机挖掘各个类型的异质副信息之间的关联关系，并通过迭代的指导充分发挥用户和物品的异质副信息的作用，从而实现对用户和物品的综合理解，提高用户对物品偏好预测的准确度。
-
公开(公告)号：CN117435970A
公开(公告)日：2024-01-23
申请号：CN202311219423.8
申请日：2023-09-20
Applicant: 中国科学院信息工程研究所
IPC: G06F18/241 , G06F18/213 , G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/0895 , G06N3/096
Abstract: 本发明提供一种通用域自适应的节点分类方法及装置，所述方法包括：构建目标网络的图结构；将图结构输入节点分类模型，以使该节点分类模型基于置信度和熵两个指标来获取每一节点的可迁移性分数；基于可迁移性分数，将对应的节点划入共有集、不确定集或未知集。本发明可以基于不确定性度量以及对比学习，充分学习类别可判别性和领域不变性节点表征，以实现通用域自适应节点分类。
-
公开(公告)号：CN116561308A
公开(公告)日：2023-08-08
申请号：CN202310358885.1
申请日：2023-04-06
Applicant: 中国科学院信息工程研究所
IPC: G06F16/35 , G06F16/36 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/0499 , G06N3/092
Abstract: 本发明涉及一种基于强化对比学习微调的跨域小样本关系抽取方法和系统。该方法包括：利用预训练语言模型和特定领域知识库，采用训练集和验证集训练得到预训练的特征提取模型；利用测试集中支持集的少量新类样本，通过类别感知层和数据增强层进行增强后，利用对比学习损失函数对预训练的特征提取模型和类别感知层进行微调；将待处理的查询实例通过预训练的特征提取模型提取特征，并通过类别感知层进行增强，计算增强后的查询实例与各个类别原型之间的相似度，选择最相似的类别原型所属的类别作为查询实例的关系类别。本发明能够弥合不同领域之间的语义空间差距，并从新类中学习新的类敏感信息，能够有效提高关系预测的准确度。
-
公开(公告)号：CN119227684A
公开(公告)日：2024-12-31
申请号：CN202310792590.5
申请日：2023-06-30
Applicant: 中国科学院信息工程研究所
IPC: G06F40/295 , G06F40/284 , G06F16/35 , G06F16/335 , G06N3/0455 , G06N3/082
Abstract: 本发明提出了一种自然语言文本的复杂命名实体的识别方法及系统，涉及自然语言处理技术领域，通过引入含位置信息和类别信息的输入输出模板来指导候选实体生成模块，并采用基于特征增强网络和多层感知机的候选实体筛选模块，从而提升实体识别的准确性和召回率。本发明综合利用模板引导、特征增强和类别信息，有效降低无效输出概率，生成精准全面的候选实体，实现准确高效的实体识别。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
