-
公开(公告)号：CN117131433A
公开(公告)日：2023-11-28
申请号：CN202310905428.X
申请日：2023-07-18
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F18/2415 , G06F18/22 , G06F18/25 , G06F40/30 , G06F40/279 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/048
摘要： 本发明属于多模态方面级情感分析技术领域，公开一种基于文本和图像门控融合机制的多模态方面级情感分析方法，该方法在对文本和图像交互的同时引入了从数据集图像所提取的形容词‑名词对(ANPs)中形容词的加权作为图像辅助信息，并且在最后的特征融合阶段通过构建一种动态控制图像和图像辅助信息输入的门控机制实现多模态特征融合。实验结果表明，本发明方法在两个基于多模态方面级情感分析的Twitter数据集上取得了具有竞争力的结果，进而验证了我们所提出方法的有效性。
-
公开(公告)号：CN115310422A
公开(公告)日：2022-11-08
申请号：CN202210883645.9
申请日：2022-07-26
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F40/205 , G06F40/30 , G06F40/242 , G06F40/247 , G06F40/289 , G06K9/62
摘要： 本发明公开一种对短文本中领域信息进行挖掘并显示表征的方法及装置，该方法包括：对百科知识进行领域划分，依据划分结果和网络爬虫为每个领域收集领域关键词，构建成领域词典，并对每个领域词典进行去重处理；对领域词典中的每个关键词的词典频率进行计算并进行标注；对待处理的短文本进行分词，并依据停用词表去除分词结果中的停用词，得到待计算的特征词；将每个特征词视为一个局部，依据其词典频率值进行局部的领域贡献度的计算；结合每个特征词的局部领域贡献度，综合得出整个短文本的领域得分，并对齐进行排序和筛选，返回短文本所对应的领域。本发明可以在不对基于深度学习框架的任务模型进行改动的同时提升该模型的整体性能。
-
公开(公告)号：CN115310523A
公开(公告)日：2022-11-08
申请号：CN202210883558.3
申请日：2022-07-26
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06K9/62 , G06F40/35 , G06F40/279
摘要： 本发明公开一种中文领域下基于词形和语义的负样本生成方法及装置，该方法包括：提取出中文百科知识图谱中的实体以及其周围一跳内的所有关系，将关系拼接在一起形成实体的描述信息文本；利用在中文语料上训练过的Word2Vec对实体和描述信息文本进行向量表示；将目标匹配实体和全部实体进行相似度匹配，返回符合条件的实体作为语义相似度候选实体集；将目标匹配实体再次和全部实体进行编辑距离的计算，返回符合条件的实体作为词形相似度候选实体集；根据语义相似度候选实体集和词形相似度候选实体集进行高混淆度负样本选取。本发明联合了词形相似度和语义相似度进行负样本选取，可以加速模型的收敛速度，还可以使模型训练出良好的决策边界。
-
公开(公告)号：CN118657155A
公开(公告)日：2024-09-17
申请号：CN202410681653.4
申请日：2024-05-29
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F40/30 , G06F40/279 , G06F16/35 , G06F18/25 , G06F18/22 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06V10/82 , G06V20/62
摘要： 本发明公开一种基于多模态特征细粒度学习的联合目标实体情感分析方法和模型，通过对文本构建单词依存关系的增强邻接矩阵并采用图卷积网络学习文本句法结构特征，解决了识别文本中不同目标实体的上下文干扰问题，同时引入了从图像中所提取的形容词‑名词对信息使得图像语义更为直观地进行表达，解决了图像特征学习过程中语义提取不明确的问题，进一步提升了模型在目标实体提取和情感分析任务上的性能。实验结果表明，本发明在两个基于Twitter的数据集上取得了具有竞争力的结果，从而验证了本发明所提出方法和模型的有效性。
-
公开(公告)号：CN115526322A
公开(公告)日：2022-12-27
申请号：CN202211168517.2
申请日：2022-09-24
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明属于知识图谱技术领域，特别涉及一种基于Decision Transformer的序列生成式知识推理方法及系统，提取目标知识图谱中实体及实体间关系，并在目标知识图谱中归纳结构化的规则序列；构建用于知识推理和图谱环境动态交互的Decision Transformer推理模型，其中，Decision Transformer推理模型在与图谱环境进行动态交互时，采用规则引导方式构建推理模型的训练路径样本，并利用该训练路径样本来训练Decision Transformer推理模型，以学习路径中规则学历中共现能力；以提取的实体及实体间关系和规则序列为基础，通过Decision Transformer推理模型进行知识推理，并输出推理结果。本发明通过与图谱环境动态交互的序列生成式推理过程，根据当前的推理状态，利用Decision Transformer架构并行地处理推理序列，生成式地推理下一步动作，实现更加快速的知识推理，提高推理效率、增强推理可解释性。
-
公开(公告)号：CN115526321A
公开(公告)日：2022-12-27
申请号：CN202211168516.8
申请日：2022-09-24
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明属于知识图谱技术领域，特别涉及一种基于智能体动态路径补全策略的知识推理方法及系统，通过提取目标知识图谱中的实体及实体间关系，并挖掘目标知识图谱中的规则及规则对应的置信度得分；构建强化学习智能体，根据当前实体状态和历史路径信息通过规则动态引导智能体进行知识图谱路径补全，并依据智能体命中目标实体时的命中奖励和智能体推理路径符合规则时的规则奖励来计算智能体总奖励，通过最大化智能体总奖励的期望值来训练智能体的策略网路；针对给定的待查询目标条件，利用训练后的智能体通过在知识图谱中进行路径推理来获取对应的知识推理结果。本发明通过动态路径补全策略对推理过程中最有可能的路径进行动态补全来得到完整的推理路径，解决稀疏知识图谱缺失路径所带来的推理截断问题。
-
公开(公告)号：CN115526317A
公开(公告)日：2022-12-27
申请号：CN202211168518.7
申请日：2022-09-24
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明属于知识图谱技术领域，特别涉及一种基于深度强化学习的多智能体知识推理方法及系统，通过提取目标知识图谱中实体及实体间关系，并在目标知识图谱中归纳结构化的链状规则序列；构建强化学习的层次化智能体，所述层次化智能体至少包含：用于通过抽取知识图谱抽象关系将推理过程进行子任务划分的高层次智能体、和用于对每个子任务进行实体路径推理的低层次智能体；以提取的实体及实体间关系和链状规则序列为基础，通过高层次智能体的子任务划分及低层次智能体的实体路径探索进行知识推理，并输出推理结果。本发明利用层次化的多智能体来进行知识推理，可解决目前在大规模知识图谱中进行长距离推理时、搜索空间过大的问题。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.043 秒)
