-
公开(公告)号：CN110399457B
公开(公告)日：2023-02-03
申请号：CN201910586368.3
申请日：2019-07-01
Applicant: 吉林大学
IPC: G06F16/33 , G06F16/332 , G06F16/36
Abstract: 本发明公开了一种智能问答方法和系统，其中所述方法包括：构建知识图谱和语料库；获取用户输入的问题；基于知识图谱的子图搜索方法和用户输入的问题寻找问题答案，若成功检索到答案，则输出答案。本发明提供的智能问答方法和系统基于知识图谱和子图搜索实现，具有较高的识别准确性，能够回答复杂的问题，回答问题能力强。
-
公开(公告)号：CN113204633B
公开(公告)日：2022-12-30
申请号：CN202110611463.1
申请日：2021-06-01
Applicant: 吉林大学
IPC: G06F16/332 , G06F16/33 , G06F40/194 , G06F40/279 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种语义匹配蒸馏方法及装置，属于语义匹配技术领域。本发明通过对输入的用户问句和标准问句进行预处理操作并得到词的特征向量，组合输入句子的词的特征向量后得到输入句子向量，将输入句子向量分别输入Teacher模型与Student模型中，Teacher模型与Student模型会分别计算用户问句和标准问句的相似度，将Teacher模型的输出向量与Student模型的输出向量进行损失计算，将损失相加得到最终的目标函数，采用优化算法对目标函数进行优化，优化完成后得到最终的Student模型，最后Student模型对用户问句和标准问句进行判断，提高了语义匹配速度，具备模型参数少、模型推理速度快、延迟显著降低和提高工作效率的效果。
-
公开(公告)号：CN113486180A
公开(公告)日：2021-10-08
申请号：CN202110794928.1
申请日：2021-07-14
Applicant: 吉林大学
Abstract: 本发明公开了一种基于关系层级交互的远程监督关系抽取方法及系统，其方法包括通过信息处理机制将单词嵌入、相对位置嵌入和首尾实体嵌入三种输入融合，获取词嵌入表示；对词嵌入表示通过神经网络编码进行编码，获取句子表示；建立关系层级交互结构，获取关系增强的句子表示；消除错误标注的句子实例，获取句子包表示；通过多层感知机和softmax激活函数构造分类器，获取句子包对于关系类别的概率得分，根据概率得分进行关系抽取。该方法针对远程监督关系的错误标签问题和长尾分布问题，利用关系在知识库中的层级结构，建模各个关系层级间的交互关系，为关系抽取分类任务提供更多有价值的线索，提高关系抽取模型的性能。
-
公开(公告)号：CN112364148B
公开(公告)日：2022-05-24
申请号：CN202011424143.7
申请日：2020-12-08
Applicant: 吉林大学
IPC: G06F16/332 , G06F40/157 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习方法的生成型聊天机器人，包括历史对话编码、知识选择、知识编码和对话生成，所述历史对话编码首先将历史对话拼接，然后将其转化为向量表示，之后利用双向门控神经单元对历史对话进行编码，并经过一个注意力层得到其表示，再对历史对话中的每个对话表示经过一个双向门控神经单元，同样并经过一个注意力层，得到最终的历史对话表示。本发明在传统seq2seq模型的基础上，通过引入外部知识与知识编码器的方式对上述问题进行改善，首先知识编码器在知识选择时会保存对话主题，相当于保存了历史对话中的关键信息。
-
公开(公告)号：CN112364148A
公开(公告)日：2021-02-12
申请号：CN202011424143.7
申请日：2020-12-08
Applicant: 吉林大学
IPC: G06F16/332 , G06F40/157 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习方法的生成型聊天机器人，包括历史对话编码、知识选择、知识编码和对话生成，所述历史对话编码首先将历史对话拼接，然后将其转化为向量表示，之后利用双向门控神经单元对历史对话进行编码，并经过一个注意力层得到其表示，再对历史对话中的每个对话表示经过一个双向门控神经单元，同样并经过一个注意力层，得到最终的历史对话表示。本发明在传统seq2seq模型的基础上，通过引入外部知识与知识编码器的方式对上述问题进行改善，首先知识编码器在知识选择时会保存对话主题，相当于保存了历史对话中的关键信息。
-
Patent Agency Ranking
公开(公告)号：CN111639171A
公开(公告)日：2020-09-08
申请号：CN202010512399.7
申请日：2020-06-08
Applicant: 吉林大学
IPC: G06F16/332 , G06F16/36 , G06F40/30
Abstract: 本申请提供一种知识图谱问答方法及装置，该方法包括：接收问题语句，并识别问题语句的实体提及和问题模式；在预设的知识图谱中检索与实体提及相关的主语实体作为候选实体；获取知识图谱中候选实体的谓语关系，并计算问题模式与候选实体的谓语关系间的语义相似度；将知识图谱中，语义相似度最大的候选实体和谓语关系所对应的宾语实体作为问题语句的答案。本申请能够对问题语句的问题模式和知识图谱的谓语关系进行语义的联合分析，从而识别出知识图谱中语义最相关的宾语实体作为答案，从而提高问答结果的准确率。
-
公开(公告)号：CN113204633A
公开(公告)日：2021-08-03
申请号：CN202110611463.1
申请日：2021-06-01
Applicant: 吉林大学
IPC: G06F16/332 , G06F16/33 , G06F40/194 , G06F40/279 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种语义匹配蒸馏方法及装置，属于语义匹配技术领域。本发明通过对输入的用户问句和标准问句进行预处理操作并得到词的特征向量，组合输入句子的词的特征向量后得到输入句子向量，将输入句子向量分别输入Teacher模型与Student模型中，Teacher模型与Student模型会分别计算用户问句和标准问句的相似度，将Teacher模型的输出向量与Student模型的输出向量进行损失计算，将损失相加得到最终的目标函数，采用优化算法对目标函数进行优化，优化完成后得到最终的Student模型，最后Student模型对用户问句和标准问句进行判断，提高了语义匹配速度，具备模型参数少、模型推理速度快、延迟显著降低和提高工作效率的效果。
-
公开(公告)号：CN109388665B
公开(公告)日：2020-10-09
申请号：CN201811155138.3
申请日：2018-09-30
Applicant: 吉林大学
IPC: G06F16/2458 , G06F16/951 , G06F16/955
Abstract: 本发明提供了一种作者关系在线挖掘方法及系统，该作者关系在线挖掘方法根据爬行队列中的URL获取目标页面并将所述目标页面解析为文档对象模型；根据内容分割策略将所述文档对象模型划分为多个内容块；分别从每个所述内容块中提取作者信息，并在完成爬取操作后根据提取到的作者信息，对内容块进行增量层次化聚类，得到聚簇；对各个所述聚簇中的作者信息进行关联规则挖掘，实现了在线从网页中挖掘作者之间关系的目的。
-
公开(公告)号：CN110399457A
公开(公告)日：2019-11-01
申请号：CN201910586368.3
申请日：2019-07-01
Applicant: 吉林大学
IPC: G06F16/33 , G06F16/332 , G06F16/36
Abstract: 本发明公开了一种智能问答方法和系统，其中所述方法包括：构建知识图谱和语料库；获取用户输入的问题；基于知识图谱的子图搜索方法和用户输入的问题寻找问题答案，若成功检索到答案，则输出答案。本发明提供的智能问答方法和系统基于知识图谱和子图搜索实现，具有较高的识别准确性，能够回答复杂的问题，回答问题能力强。
-
公开(公告)号：CN111639171B
公开(公告)日：2023-10-27
申请号：CN202010512399.7
申请日：2020-06-08
Applicant: 吉林大学
IPC: G06F16/332 , G06F16/36 , G06F40/30
Abstract: 本申请提供一种知识图谱问答方法及装置，该方法包括：接收问题语句，并识别问题语句的实体提及和问题模式；在预设的知识图谱中检索与实体提及相关的主语实体作为候选实体；获取知识图谱中候选实体的谓语关系，并计算问题模式与候选实体的谓语关系间的语义相似度；将知识图谱中，语义相似度最大的候选实体和谓语关系所对应的宾语实体作为问题语句的答案。本申请能够对问题语句的问题模式和知识图谱的谓语关系进行语义的联合分析，从而识别出知识图谱中语义最相关的宾语实体作为答案，从而提高问答结果的准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
