公开(公告)号：CN112528047A

公开(公告)日：2021-03-19

申请号：CN202011586246.3

申请日：2020-12-29

Applicant: 华中科技大学 ,  中国人民解放军海军工程大学

Inventor： 何智勇 ,  魏巍 ,  王振海 ,  贲可荣 ,  马良荔 ,  彭付强 ,  潘为燃

IPC: G06F16/36

Abstract: 本发明公开了一种基于距离和角度约束的知识图谱表示学习方法，包括以下步骤：1)根据知识图谱中所有关系类型，构建每种关系ri的旋转矩阵Ri；2)通过旋转矩阵将特定三元组(h,r,t)中的头实体旋转至尾实体，构建距离函数来衡量旋转后的头实体和尾实体之间的距离差异；3)通过角度将头实体变换至尾实体，构建角度函数衡量两者之间的角度差异；4)根据距离函数和角度函数构建评分函数；5)根据评分函数构建损失函数，通过最小化损失函数来优化模型，学习知识图谱中实体、关系的向量化表示。本发明在距离约束的基础上，同时增加角度约束，有效提高知识图谱表示性能和链接预测效果。

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

Inventor： 魏巍 ,  潘为燃 ,  刘逸帆 ,  张睿晗 ,  范士轩 ,  鲁镇仪

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：CN114691847B

公开(公告)日：2024-04-26

申请号：CN202210231121.1

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  刘宇航 ,  彭道万 ,  刘逸帆 ,  潘为燃

IPC: G06F16/332 ,  G06F16/33 ,  G06T7/50 ,  G06T7/62 ,  G06T7/70 ,  G06N3/045

Abstract: 本发明公开了一种基于深度感知与语义引导的关系注意力网络视觉问答方法，包括以下步骤：1)图像目标之间的三维空间关系构建；得到图像目标之间的三维空间关系；2)根据图像目标之间的三维空间关系，获取图像目标i和j之间在空间维度的相关性分数；3)结合隐式注意力和显式注意力，获取图像目标i和j之间的相关性；4)根据Transformer的框架，采用改进后的注意力机制替换传统的自注意力层，获得视觉问答模型。本发明将三维空间的相关性引入到传统的自注意力机制上，提高视觉问答的准确性。

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

Inventor： 魏巍 ,  潘为燃 ,  刘逸帆 ,  张睿晗 ,  范士轩 ,  鲁镇仪

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：CN115879439A

公开(公告)日：2023-03-31

申请号：CN202210230366.2

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  梁硕 ,  张睿晗 ,  刘宇航 ,  刘逸帆 ,  潘为燃 ,  江胜

IPC: G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06N3/042

Abstract: 本发明公开了一种基于双句法信息的细粒度方面级别情绪分析方法，包括：1)建模每个方面情绪感知的上下文信息，并生成对应的语境内方面特有的情绪表示；2)建模方面的语境间关系增强的情绪特征表示；3)整合语境内方面特有的情绪特征向量和语境间关系增强的情绪特征向量得到方面的整体情绪特征向量，然后将上述整体情绪特征映射到低维语义空间，得到最终的情绪分析预测结果。本发明通过有效利用短语树和依赖树的句法信息，联合建模语境内和语境间的情绪特征表示，提升细粒度方面级别情绪分析的准确度。

公开(公告)号：CN115170218A

公开(公告)日：2022-10-11

申请号：CN202210230703.8

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  王子扬 ,  刘宇航 ,  潘为燃 ,  江胜

IPC: G06Q30/06 ,  G06F16/2458 ,  G06N3/04

Abstract: 本发明公开了一种融合图神经网络和多层级对比学习的神经网络序列推荐方法，包括以下步骤：1)基于所有用户的物品点击序列构建用户‑物品图、用户‑用户图和物品‑物品图；2)根据构建的图，采用图编码器初始化得到用户的特征表示矩阵以及物品的特征表示矩阵；3)序列视角下用户的兴趣表示；4)协同视角下用户的兴趣表示；5)兴趣层级的对比学习；6)获取最终特征层级的对比学习损失；8)在从序列视角和对比视角计算得到用户的兴趣表示之后，将它们进行结合得到用户的最终的兴趣表示，根据用户的最终的兴趣表示确定选择用户当前的兴趣；9)根据用户的当前的兴趣表示从所有候选集中选择top‑N个物品。本发明方法能提高序列推荐预测的准确性。

公开(公告)号：CN114691847A

公开(公告)日：2022-07-01

申请号：CN202210231121.1

申请日：2022-03-10

Applicant: 华中科技大学

Inventor： 魏巍 ,  刘宇航 ,  彭道万 ,  刘逸帆 ,  潘为燃

IPC: G06F16/332 ,  G06F16/33 ,  G06T7/50 ,  G06T7/62 ,  G06T7/70 ,  G06N3/04

Abstract: 本发明公开了一种基于深度感知与语义引导的关系注意力网络视觉问答方法，包括以下步骤：1)图像目标之间的三维空间关系构建；得到图像目标之间的三维空间关系；2)根据图像目标之间的三维空间关系，获取图像目标i和j之间在空间维度的相关性分数；3)结合隐式注意力和显式注意力，获取图像目标i和j之间的相关性；4)根据Transformer的框架，采用改进后的注意力机制替换传统的自注意力层，获得视觉问答模型。本发明将三维空间的相关性引入到传统的自注意力机制上，提高视觉问答的准确性。