一种基于时序知识图谱的两阶段事件预测方法

    公开(公告)号:CN118861852A

    公开(公告)日:2024-10-29

    申请号:CN202410877008.X

    申请日:2024-07-02

    Abstract: 本发明属于事件预测技术领域,公开了一种基于时序知识图谱的两阶段事件预测方法,基于事件感知的预排序阶段:依据时态知识图谱生成查询嵌入向量,对查询嵌入向量分别进行事件决策预测和分类预测,并依据事件决策预测预测结果和分类预测结果得到候选实体的概率分布;基于结构感知的事件重排序阶段:基于目标注意力图协作学习,利用并发事件的信息为每个候选实体生成相应的事件级图表;再通过生成的事件级图表进行预测,得到最终的预测结果。本发明的阶段性学习过程允许高效地优先考虑可能发生的事件,同时根据新出现的陌生事件调整预测,从过去提取认知洞见,同时保持对不断变化的事件的敏捷性,整合了历史知识和新进化的动态,能够实现对事件的准确预测。

    一种基于拓扑结构和混合语义的知识图谱推理方法

    公开(公告)号:CN118690858A

    公开(公告)日:2024-09-24

    申请号:CN202410837786.6

    申请日:2024-06-26

    Abstract: 本发明公开了一种基于拓扑结构和混合语义的知识图谱推理方法,包括:结点特征编码获得结点结构特征嵌入xu,包括:利用强边缘特征对关系路径图中的结点进行标记,并根据标记值、第一神经网络、第二神经网络获取结点结构特征嵌入xu;拓扑结构编码获得最终的得分s,包括:计算目标结点的结点结构信息得分sst,计算两目标结点的语义相似度得分sse,计算最终的得分s=sst+sse;混合语义编码获得关系路径混合表示#imgabs0#包括:提取显式文本表示pt,提隐式语义表示pl,将所述pt与pl通过第三神经网络融合生成所述表示#imgabs1#利用表示#imgabs2#获得问题的最终表示。其可以充分利用知识图谱中关系路径的拓扑结构信息和混合语义信息,提高知识图谱推理的准确性和有效性。

    一种基于多对抗块的人脸对抗样本生成系统及训练方法

    公开(公告)号:CN118628865A

    公开(公告)日:2024-09-10

    申请号:CN202410758667.1

    申请日:2024-06-13

    Abstract: 本发明属于人工智能安全技术领域,公开了一种基于多对抗块的人脸对抗样本生成系统及训练方法,该系统包括:人脸关键特征点提取模块,用于对源图像的人脸关键特征点进行提取,得到人脸关键特征点坐标网格,确定出相应的目标攻击区域;并利用人脸的眼部及三角区的指定区域周围的特征点坐标生成相应的0‑1二进制掩膜;生成器,用于依据目标攻击区域生成相应的生成图像;融合模块,首先基于生成图像和二进制掩膜相乘生成多对抗块,然后结合源图像融合得到最终的人脸对抗样本。通过本发明方向训练后的基于多对抗块的人脸对抗样本生成系统,不仅可以使生成的人脸对抗样本具有优秀的人脸自然度,还可以提升对抗样本的可迁移性。

Patent Agency Ranking