-
公开(公告)号：CN114610835A
公开(公告)日：2022-06-10
申请号：CN202210107369.7
申请日：2022-01-28
Applicant: 中国科学院自动化研究所
IPC: G06F16/31 , G06F16/332 , G06F16/36 , G06N5/02 , G09B7/02
Abstract: 本发明提供一种应用题解题知识库的构建方法、装置及应用题解题机器人，所述方法包括：构建数学知识子库和构建常识知识子库；将所述数学知识子库和所述常识知识子库联立，构成应用题解题知识库，并分别为所述数学知识子库和所述常识知识子库配置对应的查询接口。本发明充分考虑到数学应用题解题相关的知识内容不仅包含数学知识内容，还包括常识知识内容，且这两部分知识内容存在非常大的差异，故将应用题解题知识库设计为两个子库，以针对两个子库的不同特点，采用不同方法分别进行内容获取及构建，获取到的应用题解题知识库能有效、准确地辅助应用题自动解题系统的开发，从而可以大大提高应用题自动解题系统的解题准确性。
-
公开(公告)号：CN103678703B
公开(公告)日：2017-01-11
申请号：CN201310745097.4
申请日：2013-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种借助图随机游走的开放类别命名实体抽取方法，该方法包括步骤：步骤1，分析种子在语料中的上下文得到模板；步骤2，使用模板从语料抽取候选实体；步骤3，根据种子实体、模板和候选实体之间的关系构造图；步骤4，在图上使用随机游走算法计算候选实体的置信度。该方法能够克服模板质量不同对候选实体置信度计算带来的不良影响，有效地提高了开放类别命名实体抽取的准确率。经过实验证明，抽取结果的平均准确率提高了4.36%。
-
公开(公告)号：CN108304911B
公开(公告)日：2020-03-13
申请号：CN201810018789.1
申请日：2018-01-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及知识抽取领域，具体涉及一种基于记忆神经网络的知识抽取方法以及系统和设备，目的在于解决现有技术中存在的信息冗余问题。本发明在给定预定义关系类型的前提下，首先利用卷积神经网络获取输入文本中可能具有的关系类型，及其语义编码向量；再利用双向长短时记忆神经网络进行语义编码，得到语义向量；将关系类型作为双向长短时记忆网络的初始值以及解码模块中的第一个标签，进而将关系类型信息融入到编码信息以及解码模块的标签信息中；最后采用单向长短时记忆网络结构的解码模块得到标签序列，然后通过解析标签序列得到结构化信息。本发明不但极大地提高了结构化信息抽取的效率，而且克服了现有技术中存在的信息冗余问题。
-
Patent Agency Ranking
公开(公告)号：CN104915448B
公开(公告)日：2018-03-27
申请号：CN201510372795.3
申请日：2015-06-30
Applicant: 中国科学院自动化研究所
Abstract: 一种基于层次卷积网络的实体与段落链接方法，包括：利用卷积神经网络通过词向量化表示转化成句子向量化表示；利用句子向量化表示再次经过卷积神经网络并考虑所述句子次序信息得到段落向量化表示；句子向量化表示和段落向量化表示通过Softmax输出，借助已有实体作为监督信息进行所述卷积神经网络模型的训练；同时，考虑段落语义向量特征与实体语义向量特征之间的pair‑wise相似度信息进一步改善卷积神经网络模型的训练；给定一个测试描述段落，利用训练好的神经网络模型进行深层语义特征抽取得到测试段落的向量化表示，然后基于此语义表示经过Softmax输出可直接链接到目标实体上。
-
公开(公告)号：CN103678703A
公开(公告)日：2014-03-26
申请号：CN201310745097.4
申请日：2013-12-30
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30734 , G06F17/278
Abstract: 本发明公开了一种借助图随机游走的开放类别命名实体抽取方法，该方法包括步骤：步骤1，分析种子在语料中的上下文得到模板；步骤2，使用模板从语料抽取候选实体；步骤3，根据种子实体、模板和候选实体之间的关系构造图；步骤4，在图上使用随机游走算法计算候选实体的置信度。该方法能够克服模板质量不同对候选实体置信度计算带来的不良影响，有效地提高了开放类别命名实体抽取的准确率。经过实验证明，抽取结果的平均准确率提高了4.36%。
-
公开(公告)号：CN114722166A
公开(公告)日：2022-07-08
申请号：CN202210147542.6
申请日：2022-02-17
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/295 , G09B7/02
Abstract: 本发明提供一种应用题解题知识的生成方法、装置及应用题解题机器人，包括：获取与用户输入的目标应用题相对应的输入文本；对输入文本进行分句，并为获取到的每个文本分句设置对应的句子编号；获取每个文本分句相关的名词性内容，构成名词内容识别知识；根据每个文本分句相关的名词性内容及其对应的句子编号，从预先构建的知识库中匹配出输入文本相关的名词内容扩展知识。本发明提供的应用题解题知识的生成方法、装置及应用题解题机器人，可以生成应用题本身不包含但对解题价值很大的名词内容扩展知识，从而可以更有效地辅助应用题相关的各类系统的开发，能一定程度上提高各类系统的解题准确性。
-
公开(公告)号：CN108304911A
公开(公告)日：2018-07-20
申请号：CN201810018789.1
申请日：2018-01-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及知识抽取领域，具体涉及一种基于记忆神经网络的知识抽取方法以及系统和设备，目的在于解决现有技术中存在的信息冗余问题。本发明在给定预定义关系类型的前提下，首先利用卷积神经网络获取输入文本中可能具有的关系类型，及其语义编码向量；再利用双向长短时记忆神经网络进行语义编码，得到语义向量；将关系类型作为双向长短时记忆网络的初始值以及解码模块中的第一个标签，进而将关系类型信息融入到编码信息以及解码模块的标签信息中；最后采用单向长短时记忆网络结构的解码模块得到标签序列，然后通过解析标签序列得到结构化信息。本发明不但极大地提高了结构化信息抽取的效率，而且克服了现有技术中存在的信息冗余问题。
-
公开(公告)号：CN104915448A
公开(公告)日：2015-09-16
申请号：CN201510372795.3
申请日：2015-06-30
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30533 , G06N3/08
Abstract: 一种基于层次卷积网络的实体与段落链接方法，包括：利用卷积神经网络通过词向量化表示转化成句子向量化表示；利用句子向量化表示再次经过卷积神经网络并考虑所述句子次序信息得到段落向量化表示；句子向量化表示和段落向量化表示通过Softmax输出，借助已有实体作为监督信息进行所述卷积神经网络模型的训练；同时，考虑段落语义向量特征与实体语义向量特征之间的pair-wise相似度信息进一步改善卷积神经网络模型的训练；给定一个测试描述段落，利用训练好的神经网络模型进行深层语义特征抽取得到测试段落的向量化表示，然后基于此语义表示经过Softmax输出可直接链接到目标实体上。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.036 seconds)
