公开(公告)号：CN119849630A

公开(公告)日：2025-04-18

申请号：CN202411947462.4

申请日：2024-12-27

Applicant: 中国科学院计算技术研究所

Inventor： 徐勇军 ,  陈茁 ,  王飞 ,  张钊 ,  杜一凡

IPC: G06N5/04 ,  G06N5/025 ,  G06N5/02 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明提供了一种时序知识图谱推理模型构建方法，所述方法包括：步骤S1、获取历史时序知识图谱并基于其构建多个查询；其中，所述历史时序知识图谱包括多个事实四元组，每个事实四元组均包括头实体、关系、尾实体和时间戳；每个查询为缺失尾实体或头实体的缺项事实四元组，每个查询设置有与自身缺失的头实体或尾实体对应的实体标签；步骤S2、构建初始模型，其包括全局历史演化模块、自适应实体关注模块、历史信息模块以及评分模块；步骤S3、以历史时序知识图谱和多个查询作为输入，每个查询的目标评分为预测输出，按照预设的目标函数对初始模型进行多轮迭代训练直至模型收敛得到时序知识图谱推理模型。

公开(公告)号：CN119829722A

公开(公告)日：2025-04-15

申请号：CN202510013772.7

申请日：2025-01-06

Applicant: 中国科学院计算技术研究所

Inventor： 王飞 ,  陈茁 ,  徐勇军 ,  张钊 ,  陈昭

IPC: G06F16/3329 ,  G06N5/04 ,  G06F40/30 ,  G06F18/22

Abstract: 本发明提供了一种知识问答模型构建方法，所述方法包括将预训练语言模型作为基座模型并按照如下方式执行两阶段训练以获取知识问答模型：函数理解预训练：构建多个函数定义代码和多个函数调用实例来训练基座模型以使模型学习函数执行原理；指令微调训练：获取任务指令、查询实例以及查询实例对应的查询程序来训练初始模型以使模型学习函数组合编程原理。本发明的技术方案通过提出两阶段训练策略训练知识问答模型，使模型具备用于知识编程的函数的理解能力，以及基于函数理解能力将复杂问题转换为查询程序的能力，从而解决现有技术中模型倾向于记忆程序本身，而难以学习到语义解析的问题，进而提高模型对于域外含有未见查询语义的泛化性。