公开(公告)号：CN115687613A

公开(公告)日：2023-02-03

申请号：CN202211204909.X

申请日：2022-09-29

Applicant: 中国科学院自动化研究所 ,  国网天津市电力公司 ,  国家电网有限公司

Inventor： 刘康 ,  何世柱 ,  赵军 ,  孙望涛 ,  李志坚 ,  郑渠岸 ,  贺春 ,  李松原 ,  刘力卿 ,  姚创

IPC: G06F16/35 ,  G06F16/335 ,  G06F40/216

Abstract: 本发明提供一种基于开放式规则的前提关系生成方法、装置和电子设备。该方法包括：基于预设采样方法，根据具有多个提示引导信息的假设关系生成对应各所述提示引导信息的实例簇，所述实例簇包括实例；基于支持束搜索方法，通过所述实例簇生成对应所述实例簇的候选前提关系集合，所述候选前提关系集合包括候选前提关系。本方法能够获得多样性的前提关系且获得的前提关系质量较高。

公开(公告)号：CN116578714A

公开(公告)日：2023-08-11

申请号：CN202310294052.3

申请日：2023-03-23

Applicant: 中国科学院自动化研究所

Inventor： 刘康 ,  何世柱 ,  赵军 ,  孙望涛

IPC: G06F16/36 ,  G06F16/28 ,  G06N5/02 ,  G06N7/00

Abstract: 本发明提供一种知识图谱上的树状规则提取方法及装置，所述方法包括：从知识图谱上提取链式规则；对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；基于所述预测结果进行反向推理，得到所述目标规则体变量表示；基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。本发明提供的知识图谱上的树状规则提取方法及装置，基于链式规则，补充候选原子，得到树状规则，提升了规则的表达能力，使得规则更加准确，具有更好的链接预测效果。

公开(公告)号：CN118734858A

公开(公告)日：2024-10-01

申请号：CN202410669925.9

申请日：2024-05-28

Applicant: 中国科学院自动化研究所 ,  上海人工智能创新中心

Inventor： 刘康 ,  何世柱 ,  赵军 ,  孙望涛

IPC: G06F40/30 ,  G06F40/16 ,  G06N3/045

Abstract: 本申请提供了一种大模型归纳能力增强方法和装置，涉及自然语言处理技术领域，其中包括：基于待增强大模型对观测样本进行归纳采样，生成多个候选假设；基于所述待增强大模型对上下文进行学习，生成各个候选假设对应的演绎实例；基于各个候选假设对应的演绎实例对所述待增强大模型进行低秩自适应训练，调整所述待增强大模型的模型参数，得到增强大模型；基于所述增强大模型对测试样本进行归纳；所述测试样本与所述观测样本对应相同假设。本申请提供的方法和装置，能够显著地增强大模型的归纳能力。