公开(公告)号：CN119886125A

公开(公告)日：2025-04-25

申请号：CN202411980884.1

申请日：2024-12-31

Applicant: 北京信息科技大学

Inventor： 王倩楠 ,  刘秀磊 ,  刘旭红 ,  郭冬冬

IPC: G06F40/279 ,  G06F40/205 ,  G06F16/35 ,  G06N3/047 ,  G06N3/096 ,  G06N3/098 ,  G06N3/0455 ,  G06N3/042 ,  G06F40/30

Abstract: 本发明公开了一种面向军事领域的事件论元抽取方法，涉及事件论元抽取技术领域，包括如下具体步骤：步骤一、获取数据；步骤二、定义标注规则；步骤三、引入多标记实体分类器：将实体标注为单标记或多标记类型；步骤四、引入多标记实体导向注意力机制；步骤五、序列标注；步骤六、联合训练；步骤七、使用BERT模型进行编码；步骤八、捕捉上下文并对文档进行编码；步骤九、构建全局AMR图和局部AMR图：通过AMR引导模块刺激文档中概念之间的交互，使用信息融合模块融合双流表示。本发明的事件论元抽取方法结合了多标记实体分类器和多任务学习机制，通过提升对事件论元的识别能力，尤其是在军事领域的应用中，提供了更高的准确性和召回率。

公开(公告)号：CN116204609A

公开(公告)日：2023-06-02

申请号：CN202310257340.1

申请日：2023-03-09

Applicant: 北京信息科技大学

Inventor： 付安娜 ,  郭冬冬 ,  苗琳 ,  刘秀磊

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/30 ,  G06F40/284

Abstract: 本公开提供了一种事件元素的抽取方法，包括：对原始文本中各个词语进行多维度向量化处理，以获得用于表征词语的独立语义的基础语义向量；对基础语义向量进行相关性加权，获得用于表征词语的文本关联语义的加强语义向量；以及确定加强语义向量在原始文本的事件类型中所对应的元素角色，以获取包括元素角色的事件元素。本公开还提供一种事件元素的抽取装置、电子设备及存储介质。

公开(公告)号：CN119961692A

公开(公告)日：2025-05-09

申请号：CN202510042928.4

申请日：2025-01-10

Applicant: 北京信息科技大学

Inventor： 王景博 ,  李宁 ,  刘秀磊 ,  郭冬冬

IPC: G06F18/22 ,  G06N5/022 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/047

Abstract: 本发明公开了一种装备知识图谱多维度特征融合实例对齐方法，包括以下步骤：步骤S1，构建对偶图，初始化实例嵌入矩阵、关系嵌入矩阵和属性嵌入矩阵；步骤S2，利用图卷积神经网络学习关系感知实例嵌入，生成第一层实例嵌入优化矩阵；步骤S3，通过图卷积神经网络编码实例的邻居结构和属性信息，得到第二层实例嵌入优化矩阵；步骤S4，构建多头注意力机制的编码器，得到最终实例嵌入矩阵和关系嵌入矩阵；步骤S5，基于属性参与的多维自适应卷积解码器，确定最终的实例对齐结果。本发明利用对偶图卷积神经网络和多头注意力机制，对偶图和原始图的交互学习，结合带有高速公路网络的图卷积网络进行编码，提高实例对齐的精准度。

公开(公告)号：CN116663545A

公开(公告)日：2023-08-29

申请号：CN202310315234.4

申请日：2023-03-28

Applicant: 北京信息科技大学

Inventor： 孟繁绅 ,  郭冬冬 ,  苗琳 ,  李宁 ,  刘秀磊

IPC: G06F40/289 ,  G06F40/126 ,  G06N3/08 ,  G06N3/084 ,  G06F16/36 ,  G06F40/295 ,  G06F16/35 ,  G06N3/04

Abstract: 本公开提供了一种事件抽取方法及装置，该方法首先依据小样本数据对通用信息抽取模型进行微调，然后将生语料数据输入微调后的通用信息抽取模型进行预测，得到新增样本数据，之后将小样本数据和新增样本数据作为训练数据对ERNIE模型进行训练，依据训练好的ERNIE模型对目标文本进行编码，得到相应的特征向量，最后依据Global Pointer模型对特征向量进行解码，得到事件元素，该方法基于UIE、ERNIE和Global Pointer进行事件元素的抽取，可以针对领域事件抽取标注数据样本较少的问题，通过自动化的方式对训练样本进行扩充，将准确率、召回率和F1作为评价指标，提高了事件识别任务上和论元识别任务上的F1值，能有效提升小样本下的抽取性能，并且还解决了论元重叠的问题。

公开(公告)号：CN116069954A

公开(公告)日：2023-05-05

申请号：CN202310205052.1

申请日：2023-03-06

Applicant: 北京信息科技大学

Inventor： 杨启民 ,  郭冬冬 ,  赵青娟 ,  刘秀磊

IPC: G06F16/36 ,  G06F16/33 ,  G06F16/31 ,  G06F40/194 ,  G06F40/279 ,  G06F40/30

Abstract: 本公开提供了一种实例的对齐方法，包括：将目标实例分别与多个相关实例进行多维相似度比较，以获得属性相似度序列和关系相似度序列，其中目标实例和相关实例对应于不同的数据源图谱，目标实例的属性信息和相关实例的属性信息均具有目标数量的属性；利用属性关系融合公式将属性相似度序列和关系相似度序列进行相似度融合，获得多维相似度序列；以及以多维相似度序列中的目标位所对应的相关实例作为目标实例的等价实例，并输出由目标实例和等价实例构成的等价实例对。本公开还提供一种实例的对齐装置、电子设备及存储介质。