-
公开(公告)号：CN114860953B
公开(公告)日：2024-07-02
申请号：CN202210466414.8
申请日：2022-04-29
Applicant: 重庆邮电大学
IPC: G06N5/045 , G06N5/025 , G06N3/0464 , G06N3/0985 , G06N3/084 , G06F40/295
Abstract: 本发明属于知识图谱领域，具体涉及一种基于少样本关系预测模型的可解释方法；该方法包括：对少样本关系预测模型的可解释性进行评估，得到可解释评估结果；根据可解释评估结果改进模型；获取来自用户的问题，将该问题输入改进好的少样本关系预测模型中，得到该问题的可信预测结果；本发明选取多种对比模型进行分析，通过改变少样本关系预测模型和对比模型的数据量和数据内容计算评价指标并分析不同数据量和不同数据内容对模型的影响；通过改变少样本关系预测模型中的卷积神经网络的超参数如激活函数、池化策略、正则化等计算评价指标并分析超参数对模型的影响；本发明提高了模型的关系预测结果的可信度，实用性高。
-
公开(公告)号：CN112989005A
公开(公告)日：2021-06-18
申请号：CN202110410370.2
申请日：2021-04-16
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F16/36 , G06F40/14 , G06F40/247 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于知识图谱自动问答领域，具体涉及一种基于分阶段查询的知识图谱常识问答方法及系统，包括：获取问题语句，对问题语句进行预处理，转化为问句序列；将问句序列输入到训练好的改进的问答模型中，得到问答结果；改进的问答模型包括实体识别模型、约束语识别模型以及问题结构分类模型；本发明将复杂问题或简单问题转化成基于语句结构的问题语义结构树，通过更新待定节点一步步寻找问题答案，从繁琐到简单，把查找过程简单化。
-
公开(公告)号：CN116028638A
公开(公告)日：2023-04-28
申请号：CN202211591549.3
申请日：2022-12-12
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F16/35 , G06F40/295 , G06F18/22 , G06N3/0464
Abstract: 本发明提出一种基于多视图集成模型的可信知识图谱实体分类方法，所述方法包括获取知识图谱网络中的邻接矩阵和实体特征数据，生成知识图谱数据的原始视图；根据知识图谱关联信息计算出知识图谱实体邻接矩阵，根据知识图谱实体属性关系计算知识图谱实体特征矩阵；对知识图谱邻接矩阵构造出结构视图，对知识图谱实体特征矩阵构造出特征视图；将结构视图和原始视图输入到结构基模型中输出第一特征；将特征视图与原始视图输入到特征基模型中输出第二特征；将第一特征和第二特征输入到线性层中，集成输出知识图谱实体数据的类别。本方法利用集成模型结合结构视图与特征视图来对知识图谱实体进行分类，可充分地挖掘知识图谱数据的隐藏信息，提高鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115983273A
公开(公告)日：2023-04-18
申请号：CN202211628716.7
申请日：2022-12-18
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/284 , G06F40/216 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明属于语义分析技术领域，具体涉及一种基于BCNN的命名实体识别模型训练方法及装置；该方法包括：获取带有标注信息的命名实体数据集和分词数据集并进行划分，得到总训练集和总验证集；将总训练集输入到共享嵌入层中进行处理，得到命名实体嵌入表示和分词嵌入表示；采用编码器分别对命名实体嵌入表示和分词嵌入表示进行处理，得到命名实体编码特征和分词编码特征；采用解码器分别对命名实体编码特征和分词编码特征进行处理，得到命名实体识别结果和分词识别结果；计算模型总损失并根据模型总损失进行反向传播，调整模型参数，得到训练好的模型；本发明能够提高模型的编码效率并降低计算复杂度，大幅度降低资源和时间消耗。
-
公开(公告)号：CN112989005B
公开(公告)日：2022-07-12
申请号：CN202110410370.2
申请日：2021-04-16
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F16/36 , G06F40/14 , G06F40/247 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于知识图谱自动问答领域，具体涉及一种基于分阶段查询的知识图谱常识问答方法及系统，包括：获取问题语句，对问题语句进行预处理，转化为问句序列；将问句序列输入到训练好的改进的问答模型中，得到问答结果；改进的问答模型包括实体识别模型、约束语识别模型以及问题结构分类模型；本发明将复杂问题或简单问题转化成基于语句结构的问题语义结构树，通过更新待定节点一步步寻找问题答案，从繁琐到简单，把查找过程简单化。
-
公开(公告)号：CN115934944A
公开(公告)日：2023-04-07
申请号：CN202211594439.2
申请日：2022-12-13
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/295 , G06F40/30 , G06F18/214 , G06F18/2415 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于Graph‑MLP与相邻对比损失的实体关系抽取方法，包括：获取具有标签信息的训练文本数据；根据词表对训练文本进行分词处理；将训练文本中的单词嵌入向量表示得到训练文本的词序列向量；将训练文本的词序列向量输入Bi‑LSTM中提取得到训练文本的上下文语义特征表示；创建Graph‑MLP关系分类模型；并将训练文本的上下文语义特征表示作为训练样本对Graph‑MLP关系分类模型进行训练；获取目标文本的词序列向量，将目标文本的词序列向量输入训练好的Graph‑MLP关系分类模型输出目标文本中两个实体之间的关系。
-
公开(公告)号：CN115905493A
公开(公告)日：2023-04-04
申请号：CN202211619825.2
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06N5/025 , G06N5/04 , G06N3/0442 , G06N3/045 , G06N3/042
Abstract: 本发明属于知识图谱智能问答领域，具体涉及一种基于共享编码和协同注意力的知识图谱问答方法，包括：构建知识图谱；获取待问答的问句，根据问句从知识图谱中获取候选主题词集合和候选主题词实体的图谱信息；将问句、候选主题词集合和候选主题词实体的图谱信息输入到训练好的实体链接E‑GCNR模型中，得到候选主题词实体；根据候选主题词实体从知识图谱中获取候选答案集合和候选答案实体的图谱信息；将问句、候选答案集合和候选答案实体的图谱信息输入到训练好的答案推理CA‑BiLSTM模型中，得到问句的答案；本发明提出的共享编码方式和协同注意力机制可用于实体链接和答案推理两项任务中，具有广泛的适用性。
-
公开(公告)号：CN114860953A
公开(公告)日：2022-08-05
申请号：CN202210466414.8
申请日：2022-04-29
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明属于知识图谱领域，具体涉及一种基于少样本关系预测模型的可解释方法；该方法包括：对少样本关系预测模型的可解释性进行评估，得到可解释评估结果；根据可解释评估结果改进模型；获取来自用户的问题，将该问题输入改进好的少样本关系预测模型中，得到该问题的可信预测结果；本发明选取多种对比模型进行分析，通过改变少样本关系预测模型和对比模型的数据量和数据内容计算评价指标并分析不同数据量和不同数据内容对模型的影响；通过改变少样本关系预测模型中的卷积神经网络的超参数如激活函数、池化策略、正则化等计算评价指标并分析超参数对模型的影响；本发明提高了模型的关系预测结果的可信度，实用性高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
