-
Patent Agency Ranking
公开(公告)号：CN113051408A
公开(公告)日：2021-06-29
申请号：CN202110338086.9
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于信息增强的稀疏知识图谱推理方法，该方法包括：对待补全的稀疏知识图谱进行加载，在确定头尾目标实体之后，利用实体链接算法和外接的知识库来引入额外的信息，以此来对稀疏知识图谱进行信息增强；利用实体链接算法和外接的知识库来引入额外的信息，利用图卷积神经网络来获取外部知识图谱中的信息特征，使用双注意力机制对待补全知识图谱中抽取到的特征信息和增强的特征性进行特征融合，在对融合之后的特征进行评分，将分值最高的候选结果作为最终结果进行输出。
-
公开(公告)号：CN113051408B
公开(公告)日：2023-02-14
申请号：CN202110338086.9
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于信息增强的稀疏知识图谱推理方法，该方法包括：对待补全的稀疏知识图谱进行加载，在确定头尾目标实体之后，利用实体链接算法和外接的知识库来引入额外的信息，以此来对稀疏知识图谱进行信息增强；利用实体链接算法和外接的知识库来引入额外的信息，利用图卷积神经网络来获取外部知识图谱中的信息特征，使用双注意力机制对待补全知识图谱中抽取到的特征信息和增强的特征性进行特征融合，在对融合之后的特征进行评分，将分值最高的候选结果作为最终结果进行输出。
-
公开(公告)号：CN113190684B
公开(公告)日：2022-06-17
申请号：CN202110308273.2
申请日：2021-03-23
Applicant: 电子科技大学
IPC: G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种基于路径质量评估的知识图谱推理算法RLKGR‑PQD。该算法包括：改进基准算法加入路径质量评估模块并给出相应的总体框架图，然后在两组公开数据集(FB15K‑237和NELL‑995)上对基准模型和改进后的RLKGR‑PQD模型进行实验，最后实验分析验证了RLKGR‑PQD算法的有效性，实验结果表明改进算法有效地提升了查询问答中的MRR指标。
-
公开(公告)号：CN113239211A
公开(公告)日：2021-08-10
申请号：CN202110669631.2
申请日：2021-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于课程学习的强化学习知识图谱推理方法。该发明针对在实体关系补全过程中出现的错误关系难题，深入研究基于课程学习的强化学习模型来解决虚假路径发现问题，即智能体游走得到的训练序列(路径)不完美导致智能体被误导，提出了一种结合课程学习策略使用基于知识的软奖励方法，该方法将智能体在环境中游走得到的路径映射到LSTM策略网络，再使用实体和关系嵌入作为参数组成的打分函数进行软奖励构造，同时在路径中多次跳转上采用智能体的动作丢弃策略进行出边的随机掩盖，最终实现较为准确的实体关系路径学习。
-
公开(公告)号：CN113190684A
公开(公告)日：2021-07-30
申请号：CN202110308273.2
申请日：2021-03-23
Applicant: 电子科技大学
IPC: G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种基于路径质量评估的知识图谱推理算法RLKGR‑PQD。该算法包括：改进基准算法加入路径质量评估模块并给出相应的总体框架图，然后在两组公开数据集(FB15K‑237和NELL‑995)上对基准模型和改进后的RLKGR‑PQD模型进行实验，最后实验分析验证了RLKGR‑PQD算法的有效性，实验结果表明改进算法有效地提升了查询问答中的MRR指标。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
