-
公开(公告)号：CN114911950B
公开(公告)日：2024-08-06
申请号：CN202210498442.8
申请日：2022-05-09
Applicant: 中南大学
IPC: G06F16/36 , G06F16/28 , G06F40/295 , G06F40/30 , G06N5/022 , G06N5/04 , G06Q10/0639 , G06Q50/04
Abstract: 本公开实施例中提供了一种注塑产品质量监控过程知识图谱构建及推理方法，属于计算技术领域，具体包括：在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点；在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。通过本公开的方案，实现了定性知识与定量知识融合，提高了知识图谱的可拓展性、推理效率和可靠性。
-
公开(公告)号：CN114238638B
公开(公告)日：2024-11-26
申请号：CN202111574148.2
申请日：2021-12-21
Applicant: 中南大学
IPC: G06F16/35 , G06F18/214 , G06F18/22 , G06F18/23213
Abstract: 本公开实施例中提供了一种基于成对约束和集群引导的深度半监督文本聚类方法，属于数据处理技术领域，具体包括：对目标文本数据进行预处理和向量化，得到多维向量；根据多维向量学习目标文本数据的隐层特征，并将隐层特征输入预设算法进行聚类，得到初始聚类中心；计算聚类损失；利用交叉熵生成成对约束损失；并计算全部有标签集群和全部无标签集群的集群分配损失；根据重构误差、聚类损失、成对约束损失和集群分配损失计算联合损失函数，并根据联合损失函数迭代达到预设条件时，得到聚类结果。通过本公开的方案，充分挖掘标签中的监督信息，加强了其与无标签集群之间的引导学习，提高了深度半监督聚类模型的鲁棒性，同时提升了文本聚类的精度。
-
公开(公告)号：CN114911950A
公开(公告)日：2022-08-16
申请号：CN202210498442.8
申请日：2022-05-09
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种注塑产品质量监控过程知识图谱构建及推理方法，属于计算技术领域，具体包括：在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点；在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。通过本公开的方案，实现了定性知识与定量知识融合，提高了知识图谱的可拓展性、推理效率和可靠性。
-
公开(公告)号：CN114238638A
公开(公告)日：2022-03-25
申请号：CN202111574148.2
申请日：2021-12-21
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于成对约束和集群引导的深度半监督文本聚类方法，属于数据处理技术领域，具体包括：对目标文本数据进行预处理和向量化，得到多维向量；根据多维向量学习目标文本数据的隐层特征，并将隐层特征输入预设算法进行聚类，得到初始聚类中心；计算聚类损失；利用交叉熵生成成对约束损失；并计算全部有标签集群和全部无标签集群的集群分配损失；根据重构误差、聚类损失、成对约束损失和集群分配损失计算联合损失函数，并根据联合损失函数迭代达到预设条件时，得到聚类结果。通过本公开的方案，充分挖掘标签中的监督信息，加强了其与无标签集群之间的引导学习，提高了深度半监督聚类模型的鲁棒性，同时提升了文本聚类的精度。
-
-
-
Search Results
4
records
(took 0.021 seconds)
