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

Inventor： 吴涛 ,  马红玉 ,  先兴平 ,  刘宴兵 ,  祝清意 ,  张浩然 ,  王树森

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。

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

Inventor： 吴涛 ,  马红玉 ,  先兴平 ,  刘宴兵 ,  祝清意 ,  张浩然 ,  王树森

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。