-
公开(公告)号：CN116522988A
公开(公告)日：2023-08-01
申请号：CN202310804065.0
申请日：2023-07-03
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06N3/042 , G06N3/098 , G06F18/241 , G06F18/214
摘要： 本发明公开了一种基于图结构学习的联邦学习方法、系统、终端及介质，每轮次训练时，在所有用户端中采样出若干个目标用户端参与本轮次的训练，根据全局模型参数更新目标用户端的本地模型参数后，目标用户端迭代优化本地模型获得优化后的本地模型参数，然后采用图网络模型学习目标用户端之间的异质性并根据异质性来聚合所有目标用户端的优化后的本地模型参数，更新全局模型参数，循环进行迭代直至完成模型的优化。通过对用户端采样以减少参与训练的用户端的数量，可以减少每轮次训练的通信开销；通过采用图网络模型学习目标用户端之间的异质性，能够自适应地聚合目标用户端的优化后的本地模型参数，提高训练效率，获得鲁棒性好的优化后的全局模型。
-
公开(公告)号：CN116028631B
公开(公告)日：2023-07-14
申请号：CN202310324938.8
申请日：2023-03-30
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06F16/35 , G06F18/25 , G06F18/22 , G06F18/214 , G06N3/08 , G06N3/0464
摘要： 本申请公开了一种多事件检测方法及相关设备，所述方法包括：获取事件类别序列，将所述事件类别序列拼接到待检测的输入语句中，构建得到输入序列；将所述输入序列输入到事件检测模型，得到输出的语境化隐藏表征，所述语境化隐藏表征包括文本表征和事件类别表征；将所述文本表征和所述事件类别表征进行相似度对齐操作，得到聚合文本表征的对应每个事件类别的新表征，融合每个所述事件类别的新表征，预测多事件类别输出的概率。本发明无需使用关键词，在检测时也不需要识别和提取关键词，可以降低事件检测过程的复杂度和计算量，减少处理时间，有利于提升事件检测的效率和准确性。
-
公开(公告)号：CN115827910A
公开(公告)日：2023-03-21
申请号：CN202310015024.3
申请日：2023-01-06
申请人： 粤港澳大湾区数字经济研究院(福田)
摘要： 本发明公开一种子图同构检测方法、装置、设备及存储介质。通过获取检索图和目标图，以第一预设条件判断检索图为目标图的子图时，获取以检索图中的各节点为根的检索根子树和以目标图中的各节点为根的目标根子树，以第二预设条件判断所述检索根子树为所述目标根子树的子树时，获取所述检索根子树和所述目标根子树之间的二部图，在二部图中的所有节点为匹配点时，判定检索图和目标图之间存在子图同构。相较于现有的通过寻找目标图中的所有匹配判断目标图是否与检索图之间存在子图同构，本发明能够将指数级别计算复杂度的子图同构问题转化为具有多项式级别复杂度的子树匹配问题，从而有效地降低子图同构检测的计算复杂度，保证子图同构检测的效果。
-
公开(公告)号：CN114385793A
公开(公告)日：2022-04-22
申请号：CN202210287573.1
申请日：2022-03-23
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06F16/33 , G06F16/35 , G06F40/126 , G06F40/30 , G06N20/00
摘要： 本申请公开了一种事件抽取方法及相关装置，方法包括获取待抽取语句对应的事件类型；对待抽取语句中的每个词语进行词编码和位置编码，得到待抽取语句对应的词嵌入向量和位置嵌入向量；将词嵌入向量、位置嵌入向量及事件类型对应的事件类型嵌入向量相加以得到目标嵌入向量，并基于目标嵌入向量抽取各事件类型各自对应的事件参数。本申请通过将语句的词嵌入向量、位置嵌入向量及事件类型对应的事件类型嵌入向量相加来得到目标嵌入向量，再基于目标嵌入向量确定各事件类型的事件论元，将事件类型作为指示信息与语句信息融合，提高目标嵌入向量所携带的语义信息，从而可以提高事件参数的抽取精确度。
-
公开(公告)号：CN116152612B
公开(公告)日：2023-08-15
申请号：CN202310431918.0
申请日：2023-04-21
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06V10/774 , G06V10/764 , G06V10/778 , G06V20/60
摘要： 本申请公开了一种长尾图像识别方法及相关装置，方法包括将待识别图像输入经过训练的长尾图像识别模型，通过所述长尾图像识别模型确定所述待识别图像对应的目标类别。本申请中使用的长尾图像识别模型的训练过程中聚合了若干专家网络模型学习到的知识，并采用蒸馏损失来使得专家模型间迁移的知识更加平衡，使得长尾图像识别模块既可以避免单个专家网络的特征学习能力不足的问题，又可以避免头部类的知识淹没尾部类的知识的问题，提升了长尾图像识别模型的整体性能，从而提高了基于长尾图像识别模型确定的目标类别的准确性。
-
公开(公告)号：CN115730660B
公开(公告)日：2023-05-16
申请号：CN202310015334.5
申请日：2023-01-06
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06N5/025 , G06N7/01 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及图谱分析技术领域，具体是涉及基于因果解耦的链接生成方法和相关装置。本发明首先通过图变分自动编码器提取出实测图谱所包含的实测目标图表征，该图表征用于表示节点信息以及节点之间的链接关系，然后对实测目标图表征应用结构因果模型，判断出各个节点之间的因果表征，最后根据因果表征解耦出图谱中各个节点之间的真实链接关系。通过上述分析可知，本发明充分考虑了各个节点之间的因果关系，存在因果关系的两个节点之间存在链接关系的概率大，因此本发明结合因果关系提高了建立的链接关系准确性。
-
公开(公告)号：CN115730660A
公开(公告)日：2023-03-03
申请号：CN202310015334.5
申请日：2023-01-06
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06N5/025 , G06N7/01 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及图谱分析技术领域，具体是涉及基于因果解耦的链接生成方法和相关装置。本发明首先通过图变分自动编码器提取出实测图谱所包含的实测目标图表征，该图表征用于表示节点信息以及节点之间的链接关系，然后对实测目标图表征应用结构因果模型，判断出各个节点之间的因果表征，最后根据因果表征解耦出图谱中各个节点之间的真实链接关系。通过上述分析可知，本发明充分考虑了各个节点之间的因果关系，存在因果关系的两个节点之间存在链接关系的概率大，因此本发明结合因果关系提高了建立的链接关系准确性。
-
公开(公告)号：CN115688012A
公开(公告)日：2023-02-03
申请号：CN202310000714.1
申请日：2023-01-03
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06F18/241 , G06N3/0455 , G06N3/088
摘要： 本发明涉及数据处理领域，公开了一种图数据分类方法、装置、设备及存储介质。本发明通过将待分类图数据输入至预设神经网络中，获得待分类图数据对应的节点表征，再根据节点表征对待分类图数据进行分类。本发明通过将图数据输入至预设神经网络中，预设神经网络为对初始神经架构搜索基于稀疏编码求解结果进行超网训练后获得的网络组合结构进行重训练得到的模型，本发明基于稀疏编码求解结果进行超网训练，能够提高神经架构搜索的可靠性，并对超网训练所获得的网络组合结构进行重训练，提高网络组合结构的参数的准确性，进一步精确确定节点表征，再根据节点表征对待分类图数据进行分类，能够提高数据分类的准确度。
-
公开(公告)号：CN115186820A
公开(公告)日：2022-10-14
申请号：CN202211088370.6
申请日：2022-09-07
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06N5/04 , G06N20/00 , G06F16/335 , G06F16/35 , G06F40/205
摘要： 本发明所提供的事件共指消解方法、装置、终端及计算机可读存储介质，所述事件共指消解方法包括：将目标事件输入预先训练的粗筛模型，在预先建立的存量事件库中检索得到与所述目标事件对应的候选事件池；构造所述目标事件与所述候选事件池中各个候选事件之间的事件对；将各个所述事件对输入预先训练的精筛模型，确定各个所述事件对中目标事件与候选事件之间的共指关系。本发明通过使用预先训练的粗筛模型进行检索，将原来的存量事件库缩小为候选事件池，降低了推理时的计算量，再通过预先训练的精筛模型，减少了上游模型误差的传播，提升了推理效果。
-
公开(公告)号：CN114385793B
公开(公告)日：2022-07-08
申请号：CN202210287573.1
申请日：2022-03-23
申请人： 粤港澳大湾区数字经济研究院(福田)
IPC分类号： G06F16/33 , G06F16/35 , G06F40/126 , G06F40/30 , G06N20/00
摘要： 本申请公开了一种事件抽取方法及相关装置，方法包括获取待抽取语句对应的事件类型；对待抽取语句中的每个词语进行词编码和位置编码，得到待抽取语句对应的词嵌入向量和位置嵌入向量；将词嵌入向量、位置嵌入向量及事件类型对应的事件类型嵌入向量相加以得到目标嵌入向量，并基于目标嵌入向量抽取各事件类型各自对应的事件参数。本申请通过将语句的词嵌入向量、位置嵌入向量及事件类型对应的事件类型嵌入向量相加来得到目标嵌入向量，再基于目标嵌入向量确定各事件类型的事件论元，将事件类型作为指示信息与语句信息融合，提高目标嵌入向量所携带的语义信息，从而可以提高事件参数的抽取精确度。
-
-
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.031 秒)
