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

Inventor： 肖敏 ,  骆俊辉 ,  吴涛 ,  先兴平 ,  蒲晓 ,  袁霖 ,  姜丰 ,  游小琳 ,  张浩然

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。

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

Inventor： 吴涛 ,  姜丰 ,  先兴平 ,  袁霖 ,  蒲晓 ,  张浩然 ,  游小琳

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：CN114385831A

公开(公告)日：2022-04-22

申请号：CN202210044332.4

申请日：2022-01-14

Applicant: 重庆邮电大学

Inventor： 吴涛 ,  马红玉 ,  冯柏淋 ,  姜丰 ,  游小琳

IPC: G06F16/36 ,  G06V10/75 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N5/02

Abstract: 本发明属于知识图谱补全领域，具体涉及一种基于特征提取的知识图谱关系预测方法；该方法包括：获取原始数据；根据原始数据构建初始知识图谱和待预测三元组；采用训练好的邻居编码器对待预测三元组进行处理，得到关系正确的三元组；根据关系正确的三元组补全初始知识图谱，得到完整的知识图谱；本发明结合特征提取与相似度计算机制，解决了传统知识图谱关系预测方法需要大量数据支撑的问题，采用少样本数据可较准确的对知识图谱进行关系预测，可获得更加准确的知识图谱，同时提升了少样本关系预测方法的性能和计算效率，具有广阔的应用前景。

公开(公告)号：CN113076744A

公开(公告)日：2021-07-06

申请号：CN202110410046.0

申请日：2021-04-16

Applicant: 重庆中国三峡博物馆 ,  重庆邮电大学

Inventor： 田侃 ,  唐昌伦 ,  赵卓 ,  张殊 ,  张晨 ,  先兴平 ,  游小琳 ,  廖嘉欣

IPC: G06F40/284 ,  G06F16/35 ,  G06F40/216 ,  G06N3/04

Abstract: 本发明涉及自然语言处理领域，具体涉及一种基于卷积神经网络的文物知识关系抽取方法，包括：获取文物数据集，并对文物数据进行预处理，得到预处理后的文物数据；通过Word2vec的Skip－gram模型对预处理后的文物数据进行词向量的转化，提取句子中每个单词的词汇级别特征；提取文物数据中每条句子的句子级别特征；将所提取的词汇级别特征和句子级别特征进行拼接，得到拼接后的特征向量，将拼接后的特征向量作为分类任务的特征数据，接入全连接层；在全连接层将特征数据经线性变换，再通过Softmax分类器计算分类预测值，得到该句子对应关系的置信度得分。本发明提取的特征置信度更高，提高了关系抽取的效率。

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

Inventor： 吴涛 ,  张浩然 ,  先兴平 ,  蒲晓 ,  宋秀丽 ,  姜丰 ,  游小琳

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：CN114385831B

公开(公告)日：2024-06-18

申请号：CN202210044332.4

申请日：2022-01-14

Applicant: 重庆邮电大学

Inventor： 吴涛 ,  马红玉 ,  冯柏淋 ,  姜丰 ,  游小琳

IPC: G06F16/36 ,  G06V10/75 ,  G06V10/774 ,  G06V10/82 ,  G06N5/02 ,  G06V10/44

Abstract: 本发明属于知识图谱补全领域，具体涉及一种基于特征提取的知识图谱关系预测方法；该方法包括：获取原始数据；根据原始数据构建初始知识图谱和待预测三元组；采用训练好的邻居编码器对待预测三元组进行处理，得到关系正确的三元组；根据关系正确的三元组补全初始知识图谱，得到完整的知识图谱；本发明结合特征提取与相似度计算机制，解决了传统知识图谱关系预测方法需要大量数据支撑的问题，采用少样本数据可较准确的对知识图谱进行关系预测，可获得更加准确的知识图谱，同时提升了少样本关系预测方法的性能和计算效率，具有广阔的应用前景。

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

Inventor： 吴涛 ,  游小琳 ,  先兴平 ,  宋秀丽 ,  姜丰 ,  徐敖远 ,  张浩然

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。