一种基于大模型的知识图谱补全方法

    公开(公告)号:CN118820484A

    公开(公告)日:2024-10-22

    申请号:CN202410804900.5

    申请日:2024-06-21

    摘要: 本发明涉及知识图谱补全任务技术领域,具体指一种基于大模型的知识图谱补全方法、设备及可读存储介质,包括:基于各个实体嵌入特征,构建各个实体的节点中心度函数、节点指示函数,确定所有实体的中心度数之和、节点指示函数值之和;基于各个待预测三元组的实体分布概率,构建各个待预测三元组的焦点损失函数,并结合所有实体的中心度数之和、节点指示函数值之和,构建各个待预测三元组的基于节点中心度的焦点平衡损失函数;根据预设的批次大小,构建当前批次的目标损失函数。本发明提高了大模型收敛速度、精度,提高了二阶段补全框架的推理速度、预测准确度,提高了知识图谱最终补全结果的准确率以及补全过程的处理效率。

    一种基于大模型和注意力机制的多模态数据融合分类方法

    公开(公告)号:CN118823528A

    公开(公告)日:2024-10-22

    申请号:CN202410791163.X

    申请日:2024-06-19

    摘要: 本发明属于计算机技术领域,涉及一种基于大模型和注意力机制的多模态数据融合分类方法;将第一图像特征向量和第二图像特征向量输入至分类模型中的滑动窗口交叉注意力融合模块,输出第一目标图像特征向量和第二目标图像特征向量;将第一目标图像特征向量、第二目标图像特征向量和文本特征向量输入至分类模型中的异构数据交叉注意力融合模块,输出目标对象的目标特征向量;将目标对象的目标特征向量输入至分类模型中的全连接层,输出目标对象的分类结果。本申请直接对不同图像特征进行融合,既融合了不同图像之间的特征信息,又避免了过度融合导致的过拟合风险,减少了信息冗余和噪声,可以更好地平衡文本模态和图像模态,提高了分类结果的准确性。