一种基于三元组注意力及类型空间增强的实体对齐方法

    公开(公告)号:CN115964515A

    公开(公告)日:2023-04-14

    申请号:CN202310087096.9

    申请日:2023-01-19

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于三元组注意力及类型空间增强的实体对齐方法,所述实体对齐方法包括以下步骤:扩展知识图谱中实体的邻接关系,并获取知识图谱的拓扑结构信息;整体利用三元组所携带信息,在语义空间中使用三元组注意力获取语义空间整体三元组表示;利用类型空间的全局关系三元组对语义空间表示再次加强,形成类型空间加强的三元组融合表示;利用三元组融合表示对头尾实体注意力,分别形成头尾实体的表示并在头尾实体表示阶段相互加强,形成最终的实体表示,实现知识图谱的实体对齐。与现有技术相比,本发明避免了外部属性及空间变换带来的噪声,并且使用类型加强的三元组整体表示及头尾实体角色特征能更好地进行跨语种实体对齐。

    基于多模态关联表征与实体对全局语义一致性的文本关系三元组抽取方法

    公开(公告)号:CN119166832A

    公开(公告)日:2024-12-20

    申请号:CN202411381422.8

    申请日:2024-09-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于多模态关联表征与实体对全局语义一致性的文本关系三元组抽取方法,包含轻量级实体对标签机制、基于全局语义与局部黏性的跨度表征、多模态token对关联表征、面向实体对的全局语义一致性约束、与边界双向映射的三元组解码。采用基于全局语义与局部黏性形成跨度的通用表征,并在嵌入关系前后两阶段分别建模多模态token对关联表征与关系token对全局语义一致性约束。此外,采用嵌入文本语义的关系表征,结合轻量化的双向映射解码机制完成关系三元组的一步抽取。与现有技术相比,本发明将跨度token间的黏性特性考虑在内,减小无关噪声实体对的生成概率的同时模型在训练时所占据资源更少,性能表现更佳。

Patent Agency Ranking