-
公开(公告)号：CN119168060A
公开(公告)日：2024-12-20
申请号：CN202411196030.4
申请日：2024-08-28
Applicant: 电子科技大学
IPC: G06N5/04 , G06N5/022 , G06N3/0455 , G06F40/295
Abstract: 本发明公开了本发明涉及时序知识图谱推理技术领域，具体涉及一种基于扩散过程的时序知识图谱推理方法。属于知识图谱推理技术领域。主旨在于解决难以捕获罕见/未见未来事件中不确定性信息的问题，本发明所述方法首先采用序列表示学习模块，将与主体实体相关的对象、关系和时间间隔序列转换为统一的连续表示。通过策略性引入高斯噪声增强未来事件表示，以模拟未来事件的不确定性，并且考虑时序知识图谱结构的时变性，采用基于Transformer模型的条件去噪模块来重建事件中的潜在参与者。然后，通过策略性地引入高斯噪声来增强这一过程，模拟未来事件的不确定性。此外，本发明所述方法还引入了不确定性正则化损失，有利于区分历史事件和罕见/未知事件，从而提高模型的预测清晰度并减少过拟合的倾向。
-
公开(公告)号：CN119167925A
公开(公告)日：2024-12-20
申请号：CN202411198518.0
申请日：2024-08-29
Applicant: 电子科技大学
IPC: G06F40/279 , G06F40/216 , G06F40/30 , G06N5/04
Abstract: 本发明公开了一种基于多视角提示学习模板的自回归事件论元抽取方法，属于事件论元抽取技术领域。旨在解决现有事件论元抽取技术对单一模板的过度依赖以及模板内事件元素之间信息交互不足的问题。通过多视角提示学习模板学习事件要素间的相互依赖关系。模型使用共享词向量嵌入层的编码器‑解码器架构，输入文本首先经由编码器捕获语义信息，并传入解码器进行序列生成。在推理阶段，解码器结合约束解码策略，以引导模型生成不同事件提示模板格式的结构化事件要素序列，最后，通过集成策略对来自不同视角的输出结果进行投票，确保了事件论元抽取结果的鲁棒性，从而得出更准确的事件论元。此外，该方法也适用于低资源环境下的事件论元抽取领域。
-
公开(公告)号：CN117131869A
公开(公告)日：2023-11-28
申请号：CN202311099612.6
申请日：2023-08-29
Applicant: 电子科技大学
IPC: G06F40/295
Abstract: 本发明公开了本发明涉及信息抽取技术领域，具体涉及一种基于跨度边界感知的嵌套命名实体识别方法。属于信息抽取技术领域。主旨在于解决嵌套实体间语义边界模糊的问题，本发明所述方法首先利用双仿射注意力机制，捕获词元间的语义相关性，进而生成跨度语义表示矩阵；其次，通过设计一种二阶对角邻域差分算子，建立跨度语义差分机制，以提取跨度间的语义差异信息。此外，引入一种跨度边界感知机制，利用滑动窗口的局部特征提取能力，强化跨度的边界语义差异，从而准确定位实体跨度位置。最后，使用线性解码器预测命名实体类型。
-
公开(公告)号：CN119168061A
公开(公告)日：2024-12-20
申请号：CN202411197198.7
申请日：2024-08-28
Applicant: 电子科技大学
IPC: G06N5/04 , G06N5/025 , G06N5/02 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明涉及时序知识图谱推理技术领域，公开了一种基于双视图自适应对比学习的知识图谱推理方法，解决现有时序知识图谱推理方法在处理噪声和捕获关键历史信息方面的不足，无法有效探索历史影响与全球知识中包含的潜在未来事件之间的适应性平衡的问题。包括通过实体感知注意力机制，对局部和全局历史信息进行编码：计算跨时间子图，捕获历史事件信息跨时间戳周期性语义；引入局部‑全局查询对比模块，以提高模型在输入受到噪声污染时的鲁棒性，强化模型对抗噪声的能力，确保性能的稳定性；使用负样本权重识别函数，自适应调整负样本权重；将局部和全局编码表示进行融合，通过打分函数以获取目标实体的预测概率分布，将最高概率的实体作为预测答案，以完成时序知识图谱的外推任务。
-
-
-
Search Results
4
records
(took 0.018 seconds)
