一种基于嵌入表示的同源知识图谱的扩充方法

    公开(公告)号:CN113987198A

    公开(公告)日:2022-01-28

    申请号:CN202111202188.4

    申请日:2021-10-15

    Abstract: 本发明提供一种基于嵌入表示的同源知识图谱的扩充方法。所述基于嵌入表示的同源知识图谱的扩充方法,包括以下步骤:S1将原有知识图谱初始化为嵌入向量,并利用TransE模型训练生成最终的嵌入向量,如已存在嵌入向量表示,则不必重新生成;S2将新增知识图谱初始化为嵌入向量,对于其中与原有知识图谱中完全相同的关系,使新增图谱中的该关系向量固定为原有知识图谱中的向量表示。本发明提供的基于嵌入表示的同源知识图谱的扩充方法,仅对TransE模型训练后找到的候选三元组对进行字符相似度计算,既利用到了知识图谱中的结构信息,也充分考虑了文本信息,没有简单的利用结构信息或是文本信息,而是联合两种信息来进行匹配过滤。

    一种基于Bi-GRU的字符级虚假评论自动生成工具

    公开(公告)号:CN113792532A

    公开(公告)日:2021-12-14

    申请号:CN202111025467.8

    申请日:2021-09-02

    Abstract: 本发明提供一种基于Bi‑GRU的字符级虚假评论自动生成工具。所述基于Bi‑GRU的字符级虚假评论自动生成工具包括以下步骤:S1获取部分:从目标攻击平台收集真实评论集,并获取与该系统具有相同主题的带情感倾向标签的训练集,对其进行数据预处理。本发明提供的基于Bi‑GRU的字符级虚假评论自动生成工具,采用字符级语言模型来用作在线点评系统虚假评论生成,不需要预先构建大型词汇库,成本更低,且字符级语言模型可以充分满足短文本生成的需求,生成的评论更加流畅,虚假评论任务本身具有容错率,允许一定程度内的错字错拼现象,因为在真实场景中,用户在发表评价中,常常会出现这一情况,而字符级语言模型可以充分学习这一点,生成更具真实性的评论。

Patent Agency Ranking