-
公开(公告)号：CN109376249A
公开(公告)日：2019-02-22
申请号：CN201811042565.0
申请日：2018-09-07
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于自适应负采样的知识图谱嵌入方法,包括以下步骤：步骤1、根据实体间的相似性对实体向量进行分组；步骤2、利用同一分组内的相似实体进行相互替换并生成与正例三元组相似的负例三元组；步骤3、将所述正例三元组与所述负例三元组作为知识图谱嵌入模型中的训练输入；步骤4、利用所述知识图谱嵌入模型的损失函数优化更新实体向量与关系向量。本发明提高了替换实体与被替换实体之间的相似度，从而提高负例三元组质量；根据实体在知识图谱中出现的频率对实体进行采用，提高了高频实体被训练的次数；通过提高负例三元组的质量，有效的实现了知识图谱中实体与关系的嵌入。
-
公开(公告)号：CN109189944A
公开(公告)日：2019-01-11
申请号：CN201811131075.8
申请日：2018-09-27
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明提出一种基于用户正负反馈画像编码的个性化景点推荐方法,包括：采集用户对景点的历史评价信息和景点的旅游属性数据；获得该用户的正负评价景点；将所有景点及其旅游属性值转化为三元组以构建景点知识图谱；将三元组中的景点实体、属性和属性值通过评分函数进行训练，使景点实体、属性和属性值转化成向量表示形式；获得用户对景点的正负反馈画像编码；利用正反馈画像编码与景点实体向量做相似度计算得到用户喜欢的景点；再利用负反馈画像编码对该排序进行优化。本发明通过用户对景点特征的负反馈画像进行编码，并在喜爱的兴趣列表基础上增加一次用户讨厌的景点相似度计算并优化得到最终推荐列表，为用户提供更精确的景点推荐。
-
公开(公告)号：CN109165278A
公开(公告)日：2019-01-08
申请号：CN201811042564.6
申请日：2018-09-07
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于实体和关系结构信息的知识图谱表示学习方法,包括以下步骤：获取知识图谱中实体的结构语义信息与关系的结构语义信息；根据所述实体的结构语义信息与关系的结构语义信息，构建实体目标向量与目标关系向量；根据所述实体目标向量与目标关系向量，构建得分函数；根据所述得分函数构建损失函数，通过最小化所述损失函数，学习实体与关系的最佳向量表示。本发明充分地利用了实体和关系周围的结构信息来对实体和关系的表示进行丰富和约束。本发明有效地增强了对实体和关系的表达能力，构造了全新的目标函数，从而更好的对实体和关系进行表示，并保存实体和关系之间的联系，从而能够很好的应用于大规模的知识图谱补全当中。
-
Patent Agency Ranking
公开(公告)号：CN110008469B
公开(公告)日：2022-06-07
申请号：CN201910207179.0
申请日：2019-03-19
Applicant: 桂林电子科技大学
IPC: G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种多层次命名实体识别方法，包括：S1对数据文本进行预处理，得到词汇表C；S2利用预训练好的词向量，结合文本的字符特征信息序列，得到的文本的向量表示；S3对所述文本的向量表示进行编码，得到编码后的文本特征向量序列；S4把所述文本特征向量序列用CRF模型进行解码，标注出所述文本特征向量序列中的实体；S5把标记处的实体的前文信息、后文信息以及该实体的信息作为后续的识别过程的候选序列；S6将所述文本特征向量序列以及所述候选序列，输入到基于注意力机制的推理单元，计算得到注意力向量；S7把所述注意力向量和所述文本特征向量序列输入到CRF模型中，标注出序列中的实体。
-
公开(公告)号：CN108847169A
公开(公告)日：2018-11-20
申请号：CN201810767254.4
申请日：2018-07-13
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种用于室内景区的智能讲解设备，包括：数据存储模块，存储有讲解匹配文件、讲解文件；“讲解位置”判断模块，用于判断讲解设备是否进入“讲解位置”；讲解点判断模块，用于获得当前讲解设备所面向的方向，再将该方向信息与讲解匹配文件中的“讲解位置”的信息比较，判断当前讲解设备所面向的方向上是否有需要的讲解点；播放模块，用于在判断讲解设备所面向的方向有讲解点时，通过讲解软件播放对应于该讲解点的讲解文件。本发明根据游览路线需要布置iBeacon基站，并结合智能讲解设备的地磁传感器区分讲解位置上的多个讲解点，大大降低了iBeacon基站硬件消耗，从而降低了系统建设成本，也减轻了操作人员的维护工作，节省了导览系统的维护成本。
-
公开(公告)号：CN109376249B
公开(公告)日：2021-11-30
申请号：CN201811042565.0
申请日：2018-09-07
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F40/289
Abstract: 本发明提出一种基于自适应负采样的知识图谱嵌入方法,包括以下步骤：步骤1、根据实体间的相似性对实体向量进行分组；步骤2、利用同一分组内的相似实体进行相互替换并生成与正例三元组相似的负例三元组；步骤3、将所述正例三元组与所述负例三元组作为知识图谱嵌入模型中的训练输入；步骤4、利用所述知识图谱嵌入模型的损失函数优化更新实体向量与关系向量。本发明提高了替换实体与被替换实体之间的相似度，从而提高负例三元组质量；根据实体在知识图谱中出现的频率对实体进行采用，提高了高频实体被训练的次数；通过提高负例三元组的质量，有效的实现了知识图谱中实体与关系的嵌入。
-
公开(公告)号：CN109165278B
公开(公告)日：2021-11-09
申请号：CN201811042564.6
申请日：2018-09-07
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于实体和关系结构信息的知识图谱表示学习方法,包括以下步骤：获取知识图谱中实体的结构语义信息与关系的结构语义信息；根据所述实体的结构语义信息与关系的结构语义信息，构建实体目标向量与目标关系向量；根据所述实体目标向量与目标关系向量，构建得分函数；根据所述得分函数构建损失函数，通过最小化所述损失函数，学习实体与关系的最佳向量表示。本发明充分地利用了实体和关系周围的结构信息来对实体和关系的表示进行丰富和约束。本发明有效地增强了对实体和关系的表达能力，构造了全新的目标函数，从而更好的对实体和关系进行表示，并保存实体和关系之间的联系，从而能够很好的应用于大规模的知识图谱补全当中。
-
公开(公告)号：CN110008469A
公开(公告)日：2019-07-12
申请号：CN201910207179.0
申请日：2019-03-19
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种多层次命名实体识别方法，包括：S1对数据文本进行预处理，得到词汇表C；S2利用预训练好的词向量，结合文本的字符特征信息序列，得到的文本的向量表示；S3对所述文本的向量表示进行编码，得到编码后的文本特征向量序列；S4把所述文本特征向量序列用CRF模型进行解码，标注出所述文本特征向量序列中的实体；S5把标记处的实体的前文信息、后文信息以及该实体的信息作为后续的识别过程的候选序列；S6将所述文本特征向量序列以及所述候选序列，输入到基于注意力机制的推理单元，计算得到注意力向量；S7把所述注意力向量和所述文本特征向量序列输入到CRF模型中，标注出序列中的实体。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
