-
公开(公告)号：CN116485501B
公开(公告)日：2024-02-27
申请号：CN202310475414.9
申请日：2023-04-28
Applicant: 北京邮电大学
IPC: G06Q30/0601 , G06N3/0442 , G06N3/042 , G06N3/084 , G06N3/0464
Abstract: 大提高了推荐准确率。本发明提供一种基于图嵌入与注意力机制的图神经网络会话推荐方法，首先将数据集中的会话序列转化为会话图结构；将会话图结构作为门控图神经网络的输入，进行物品特征提取，得到物品特征向量；结合注意力机制和LSTM，对用户的兴趣进行建模，得到用户对于每个物品的兴趣；最后结合用户兴趣和物品特征向量计算每个项目的得分，生成最终的预测结果。本发明通过构建全局图提取了单一会话图不能提供的额外信息辅助物品特征向量的构建，并创新性的提出
-
公开(公告)号：CN116205217B
公开(公告)日：2023-09-01
申请号：CN202310495624.4
申请日：2023-05-05
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明公开一种小样本关系抽取方法、系统、电子设备及存储介质，涉及数据处理技术领域。所述方法包括：获取目标文本；根据小样本关系抽取模型和目标文本确定实体关系表示；实体关系表示包括实体文本及对应的概念和关系；其中，小样本关系抽取模型是通过对比学习损失和交叉熵损失进行训练的；小样本关系抽取模型包括概念编码模块、句子编码模块和文本概念融合模块；概念编码模块和句子编码模块均与文本概念融合模块连接；概念编码模块是基于skip‑gram模型构建的；句子编码模块是基于Bert嵌入模型构建的；文本概念融合模块是基于自我注意机制网络和相似度门构建的。本发明能够在样本不充分时，提高对样本关系抽取的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116205220A
公开(公告)日：2023-06-02
申请号：CN202310438459.9
申请日：2023-04-23
Applicant: 北京邮电大学
IPC: G06F40/284 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种触发词和论元的抽取方法、系统、设备及介质，涉及自然语言处理技术领域。所述方法包括：获取目标文本；所述目标文本是由自然语言的字符数据构成的文本；对所述目标文本进行预处理，得到事件信息；所述事件信息包括文本段落及对应的事件类型和事件属性；利用事件抽取模型，对所述事件信息的触发词和论元进行抽取，得到事件分析结构；所述事件分析结构是由触发词及对应的字符数据、论元及对应的字符数据构成的；所述事件抽取模型包括依次连接的多头注意力模块和T5预训练模型；所述多头注意力模块包括依次连接的编码器和解码器。本发明能够提高事件抽取检测的精确率。
-
公开(公告)号：CN116205217A
公开(公告)日：2023-06-02
申请号：CN202310495624.4
申请日：2023-05-05
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明公开一种小样本关系抽取方法、系统、电子设备及存储介质，涉及数据处理技术领域。所述方法包括：获取目标文本；根据小样本关系抽取模型和目标文本确定实体关系表示；实体关系表示包括实体文本及对应的概念和关系；其中，小样本关系抽取模型是通过对比学习损失和交叉熵损失进行训练的；小样本关系抽取模型包括概念编码模块、句子编码模块和文本概念融合模块；概念编码模块和句子编码模块均与文本概念融合模块连接；概念编码模块是基于skip‑gram模型构建的；句子编码模块是基于Bert嵌入模型构建的；文本概念融合模块是基于自我注意机制网络和相似度门构建的。本发明能够在样本不充分时，提高对样本关系抽取的准确率。
-
公开(公告)号：CN116205220B
公开(公告)日：2024-02-06
申请号：CN202310438459.9
申请日：2023-04-23
Applicant: 北京邮电大学
IPC: G06F40/284 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种触发词和论元的抽取方法、系统、设备及介质，涉及自然语言处理技术领域。所述方法包括：获取目标文本；所述目标文本是由自然语言的字符数据构成的文本；对所述目标文本进行预处理，得到事件信息；所述事件信息包括文本段落及对应的事件类型和事件属性；利用事件抽取模型，对所述事件信息的触发词和论元进行抽取，得到事件分析结构；所述事件分析结构是由触发词及对应的字符数据、论元及对应的字符数据构成的；所述事件抽取模型包括依次连接的多头注意力模块和T5预训练模型；所述多头注意力模块包括依次连接的编码器和解码器。本发明能够提高事件抽取检测的精确率。
-
公开(公告)号：CN116561340A
公开(公告)日：2023-08-08
申请号：CN202310524720.7
申请日：2023-05-10
Applicant: 北京邮电大学
Abstract: 本发明属于神经网络领域，提供一种利用图神经网络局部信息的知识图谱推理的分布式方法，通过切点方案加载图文件并通过Gemini负载均衡到不同机器上；在每台机器上执行prepare逻辑，找到整个子图的外围一跳邻居信息并构建mirror模式对象；将所述信息用于GAS训练。本发明本发明使GAS框架可以用于分布式环境中。GAS作为一个性能优异的分布式图计算框架，使GAS推广到分布式环境，可以把GAS的加速能力推广到大规模图中。
-
公开(公告)号：CN116485501A
公开(公告)日：2023-07-25
申请号：CN202310475414.9
申请日：2023-04-28
Applicant: 北京邮电大学
IPC: G06Q30/0601 , G06N3/0442 , G06N3/042 , G06N3/084 , G06N3/0464
Abstract: 本发明提供一种基于图嵌入与注意力机制的图神经网络会话推荐方法，首先将数据集中的会话序列转化为会话图结构；将会话图结构作为门控图神经网络的输入，进行物品特征提取，得到物品特征向量；结合注意力机制和LSTM，对用户的兴趣进行建模，得到用户对于每个物品的兴趣；最后结合用户兴趣和物品特征向量计算每个项目的得分，生成最终的预测结果。本发明通过构建全局图提取了单一会话图不能提供的额外信息辅助物品特征向量的构建，并创新性的提出使用LSTM解决传统会话图构建过程中的问题，优化用户兴趣建模过程。相比之前的会话推荐算法，在没有增加很多训练时间成本的前提下，大大提高了推荐准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
