-
公开(公告)号：CN118297065B
公开(公告)日：2025-03-18
申请号：CN202410237191.7
申请日：2024-03-01
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06F40/295 , G06F40/284 , G06N3/08
Abstract: 本发明公开了一种低资源场景下基于提示学习的关系抽取方法，包括以下步骤：1)将复杂的关系拆解为多个视角的联合表示，所述视角包括：人物、地点、动作、主被动关系；2)利用虚拟词表示拆解获得的各个视角关系；2.1)对各个视角的表示关系进行表示；2.2)对各个视角的表示关系进行采样；2.3)使用掩码预训练模型，在其词表中为每个关系r创建m个不同的关系虚拟词，每个关系虚拟词都关注着一个关系的不同视角；3)根据各个视角关系的表示以及每个视角关系表示的生成概率，获得最终的复杂的关系表示。本发明提出利用多视角解耦学习的关系抽取方式，将复杂的关系解耦成多个视角的联合分布，可有效缓解低资源场景数据不充足的问题。
-
公开(公告)号：CN118798338A
公开(公告)日：2024-10-18
申请号：CN202410925347.0
申请日：2024-07-11
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
Abstract: 本发明公开了一种基于大模型的位置去偏的长期对话方法，包括以下步骤：1)对于输入的对话D，对大模型使用位置嵌入的注意力进行调整，提取对话中的因果相关话语；2)对大模型进行微调，将微调过程中的损失分为两部分：预测损失和因果感知损失；3)使用经过步骤1)和步骤2)调整后的大模型作为长期对话系统的基座，使用时，系统指令和对话历史D连接起来并输入模型用以生成回复R。本发明通过对大模型进行微调，使模型不再受到位置偏见的影响，使用上述微调后的大模型作为长期对话系统的基座用以生成回复，增强其因果感知能力，提高模型的性能。
-
公开(公告)号：CN119990308A
公开(公告)日：2025-05-13
申请号：CN202411989926.8
申请日：2024-12-31
Applicant: 华中科技大学 , 深圳依时货拉拉科技有限公司
IPC: G06N5/04
Abstract: 本发明公开了一种基于复杂交互因素建模的对话生成方法，该方法包括以下步骤：1)给定一组预定义的个性P和历史对话句子X；2)使用编码器对历史对话句子和预定义的个性进行编码，获得嵌入空间中的各种表示；3)对交互因素进行联合建模；4)将交互因素注入到响应生成的过程中，生成目标响应Y。本发明通过建模复杂的多重交互因素以生成对话，融合了多个因素之间的相关性与协同效应，生成更具人类风格的响应。
-
公开(公告)号：CN114912436A
公开(公告)日：2022-08-16
申请号：CN202210587889.2
申请日：2022-05-26
Applicant: 华中科技大学
IPC: G06F40/211 , G06F40/216 , G06F40/295 , G06K9/62 , G06F16/33 , G06F16/35
Abstract: 本发明公开了一种面向细粒度实体分类的噪声标签修正方法，包括以下步骤：1)获取样本中句子和句子中已经标注出的实体提及作为输入；2)将句子和句子中已经标注出的实体提及二元组按照进行转换；3)将转换后的输入作为预训练语言模型BERT的输入，对[MASK]位置进行预测，将标签在[MASK]位置处的出现概率作为样本拥有该标签的概率；4)在步骤3)中，在模型网络过拟合前，依据模型在过拟合前输出的logits估计样本标签为正的概率；5)利用模型在过拟合前输出的logit估计数据标签为正或负的后验概率，选取潜在噪声标签，利用半监督学习方法对潜在噪声标签进行重标注。本发明方法在不引入人工先验知识的情况下，可有效修正细粒度实体分类数据中的噪声标签。
-
公开(公告)号：CN118608224A
公开(公告)日：2024-09-06
申请号：CN202410045538.8
申请日：2024-01-11
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06Q30/0601 , G06N3/0464 , G06N3/09 , G06N3/096
Abstract: 本发明公开了一种结合多级对比学习的多模态物品推荐方法，包括以下步骤：1)通过物品在每个模态下的特征相似性，构建物品‑物品相似性图；2)获得每个模态下的物品‑物品相似性图后，通过Light‑GCN进行图编码，得到每个模态下的多模态特征；3)在每个模态内进行物品对比学习，获得物品在多个模态下的向量表示；4)根据物品在多个模态下的向量表示进行多模态混合后，获得了混合后的物品表示；5)通过计算用户的id表示与物品的混合表示之间的内积得到预测分数，并根据预测结果进行推荐。本发明方法通过在模态内级别和模态间级别分别设计不同的对比学习任务，有效提高多模态推荐的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117171307A
公开(公告)日：2023-12-05
申请号：CN202310897709.5
申请日：2023-07-20
Applicant: 支付宝(杭州)信息技术有限公司 , 华中科技大学
IPC: G06F16/332 , G06F16/33 , G06F40/35 , G06N20/00 , G06N3/04
Abstract: 本说明书实施例提供基于多视图超图的用户偏好学习方法、对话推荐方法及系统。在进行用户偏好学习时，使用用户交互信息、物品信息和用户社交信息，构建多视图超图，所构建的多视图超图包括喜欢视图、不喜欢视图和朋友视图；以及基于多视图超图执行针对用户节点的图学习，以学习出用户偏好表示。
-
公开(公告)号：CN114912436B
公开(公告)日：2024-10-22
申请号：CN202210587889.2
申请日：2022-05-26
Applicant: 华中科技大学
IPC: G06F40/211 , G06F40/216 , G06F40/295 , G06F16/33 , G06F16/35 , G06F18/24 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种面向细粒度实体分类的噪声标签修正方法，包括以下步骤：1)获取样本中句子和句子中已经标注出的实体提及作为输入；2)将句子和句子中已经标注出的实体提及二元组按照进行转换；3)将转换后的输入作为预训练语言模型BERT的输入，对[MASK]位置进行预测，将标签在[MASK]位置处的出现概率作为样本拥有该标签的概率；4)在步骤3)中，在模型网络过拟合前，依据模型在过拟合前输出的logits估计样本标签为正的概率；5)利用模型在过拟合前输出的logit估计数据标签为正或负的后验概率，选取潜在噪声标签，利用半监督学习方法对潜在噪声标签进行重标注。本发明方法在不引入人工先验知识的情况下，可有效修正细粒度实体分类数据中的噪声标签。
-
公开(公告)号：CN118733755A
公开(公告)日：2024-10-01
申请号：CN202410864371.8
申请日：2024-06-30
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06F16/34 , G06F16/335 , G06F16/332 , G06F16/338 , G06F40/258 , G06F40/35 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于主题对话的个性化主题选择方法，包括以下步骤：1)获取历史多回合对话上下文，以及对话上下文的主题路径；2)获取用户u的预定义用户个性的集合；3)根据全局共现主题与用户个性之间的相关性，解耦不同个性下的全局主题；4)为历史对话的每个轮次选择相关的用户个性；5)对于每一轮对话，将用户个性的全局主题聚合，获得全局增强的主题表示：6)对全局主题聚合后的主题路径进行编码；7)选择与下一个目标主题相关的个性；8)根据选择的用户个性，预测下一个目标主题；9)根据预测主题和对话上下文生成回复。本发明通过度量全局主题与个性相关性，利用相关性高的全局主题扩展用户个性表示，提升主题预测准确性。
-
公开(公告)号：CN117056476A
公开(公告)日：2023-11-14
申请号：CN202310928830.X
申请日：2023-07-26
Applicant: 中国平安财产保险股份有限公司 , 华中科技大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/35 , G06N5/022 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种对话推荐方法，包括以下步骤：1)获取对话历史的话语信息；2)根据对话历史的话语信息获取对话历史的相应的实体与语义表征；3)构建树结构存储对话历史当中的实体信息；4)在将预测的实体加入推理树后，根据预测的实体所在的推理分支和在该分支中提到相关实体的历史语料生成与预测的实体高度相关的语料，作为对话回复推荐。本发明通过构造一个推理树结构来存储对话历史当中的实体信息，维持了语句间的因果联系，基于该推理树对历史信息进行建模，能够更好地判断用户感兴趣的实体，从而达到更好的推荐效果与生成效果。
-
公开(公告)号：CN118297065A
公开(公告)日：2024-07-05
申请号：CN202410237191.7
申请日：2024-03-01
Applicant: 华中科技大学 , 中国平安财产保险股份有限公司
IPC: G06F40/295 , G06F40/284 , G06N3/08
Abstract: 本发明公开了一种低资源场景下基于提示学习的关系抽取方法，包括以下步骤：1)将复杂的关系拆解为多个视角的联合表示，所述视角包括：人物、地点、动作、主被动关系；2)利用虚拟词表示拆解获得的各个视角关系；2.1)对各个视角的表示关系进行表示；2.2)对各个视角的表示关系进行采样；2.3)使用掩码预训练模型，在其词表中为每个关系r创建m个不同的关系虚拟词，每个关系虚拟词都关注着一个关系的不同视角；3)根据各个视角关系的表示以及每个视角关系表示的生成概率，获得最终的复杂的关系表示。本发明提出利用多视角解耦学习的关系抽取方式，将复杂的关系解耦成多个视角的联合分布，可有效缓解低资源场景数据不充足的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
