-
公开(公告)号：CN118171732B
公开(公告)日：2024-08-30
申请号：CN202410599858.8
申请日：2024-05-15
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06N5/022 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及信息及数据业务技术领域，尤其涉及一种基于微调大模型的超关系知识抽取方法、装置、电子设备及存储介质，其中，方法包括：获取文本数据，基于预设微调参数，构建超关系知识抽取指令；基于超关系知识抽取指令，利用微调大型语言模型构建超关系知识抽取模型；基于学习率预热和衰减策略，利用训练数据集对超关系知识抽取模型进行训练，得到训练完成的超关系知识抽取模型；利用超关系知识抽取模型抽取待解析文本中超关系知识，获得关系数据。采用大型语言模型，对其进行微调以适应超关系知识抽取任务；设计针对性的指令，从模型输出中抽取实体及其相关的多元关系，构建超关系知识图谱，实现了高效、精准地获取超关系并构建知识图谱。
-
公开(公告)号：CN118171732A
公开(公告)日：2024-06-11
申请号：CN202410599858.8
申请日：2024-05-15
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06N5/022 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及信息及数据业务技术领域，尤其涉及一种基于微调大模型的超关系知识抽取方法、装置、电子设备及存储介质，其中，方法包括：获取文本数据，基于预设微调参数，构建超关系知识抽取指令；基于超关系知识抽取指令，利用微调大型语言模型构建超关系知识抽取模型；基于学习率预热和衰减策略，利用训练数据集对超关系知识抽取模型进行训练，得到训练完成的超关系知识抽取模型；利用超关系知识抽取模型抽取待解析文本中超关系知识，获得关系数据。采用大型语言模型，对其进行微调以适应超关系知识抽取任务；设计针对性的指令，从模型输出中抽取实体及其相关的多元关系，构建超关系知识图谱，实现了高效、精准地获取超关系并构建知识图谱。
-
公开(公告)号：CN117594241A
公开(公告)日：2024-02-23
申请号：CN202410052402.X
申请日：2024-01-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于时序知识图谱邻域推理的透析低血压预测方法，包括，获取患者的透析数据集；根据透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从血液透析患者时序知识图谱中提取患者图谱邻域信息；根据患者图谱邻域信息对时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测。通过本发明提出的方法，可用于预测透析低血压发生、挖掘透析低血压的高危因素，从而帮助透析患者降低低血压发病率。本发明中的知识图谱构建和推理方法较为通用，能够推广到医学场景中利用时序数据进行医学事件预测的任务。
-
公开(公告)号：CN118069869A
公开(公告)日：2024-05-24
申请号：CN202410466869.9
申请日：2024-04-18
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/0442 , G06N5/04
Abstract: 本申请提出一种基于时间规律捕获的时序知识图谱推理方法及装置，涉及大数据、人工智能与知识图谱技术领域，该方法包括：获取用户查询输入，构建查询四元组，并获取历史数据；对四元组数据进行重复事实编码，得到历史数据统计向量；对动态图数据进行时间线拟合，得到筛选后的动态图数据和实体数据；对静态图数据进行全局编码，得到静态图上的实体和关系的编码矩阵，并使用局部编码方式、基于筛选后的动态图数据对编码矩阵进行更新；对查询四元组进行解码，将解码结果与更新后的编码矩阵进行得分计算，并将计算的解码得分与历史数据统计向量、实体数据结合，得到预测结果。采用上述方案的本申请能够基于历史数据，实现对较远的未来事实的准确预测。
-
公开(公告)号：CN118504695B
公开(公告)日：2024-11-01
申请号：CN202410979834.5
申请日：2024-07-22
Applicant: 北京邮电大学
Abstract: 本申请提出了一种基于时间概率分布的时序知识图谱逻辑推理方法及装置，涉及大数据、人工智能与知识图谱技术领域，其中，时序知识图谱基于文本数据生成，文本数据中的每段文本表示现实世界的一个事件，时序知识图谱以#imgabs0#的形式存储现实世界的一个事件，该方法包括：通过链接预测器补全时序知识图谱；将补全的时序知识图谱建模为时序概率分布，并将时序概率分布通过筛选转化为稀疏矩阵形式；针对用户输入的逻辑查询，在稀疏矩阵形式的时序概率分布上进行模糊逻辑运算，得到从起点到终点的中间路径以及对应的概率分布，并将概率值最高的路径作为查询结果。采用上述方案的本申请能够有效提高对复杂时间逻辑查询的处理能力。
-
Patent Agency Ranking
公开(公告)号：CN117594241B
公开(公告)日：2024-04-30
申请号：CN202410052402.X
申请日：2024-01-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于时序知识图谱邻域推理的透析低血压预测方法，包括，获取患者的透析数据集；根据透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从血液透析患者时序知识图谱中提取患者图谱邻域信息；根据患者图谱邻域信息对时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测。通过本发明提出的方法，可用于预测透析低血压发生、挖掘透析低血压的高危因素，从而帮助透析患者降低低血压发病率。本发明中的知识图谱构建和推理方法较为通用，能够推广到医学场景中利用时序数据进行医学事件预测的任务。
-
公开(公告)号：CN116028610B
公开(公告)日：2023-06-09
申请号：CN202310113776.3
申请日：2023-02-15
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提出一种超关系知识图谱上的n元复杂查询嵌入方法，包括：根据超关系知识图谱构建复杂知识问答数据集；复杂知识问答数据集，包括多个一阶逻辑FOL问答查询计算图；获取N元FOL查询，根据N元FOL查询构建n元FOL查询计算图，以N元FOL查询中的实体作为锚节点，将实体的模糊向量嵌入作为锚节点嵌入；使用Projection操作得到所n元FOL查询计算图中每个锚节点对应的子查询的预测值嵌入；使用逻辑运算符对预测值嵌入进行变换；利用变换后的预测值嵌入和复杂知识问答数据集中的全体实体的嵌入时间计算相似度，获得N元FOL查询的答案实体。通过本发明提出的方法，能够处理任意n元事实中的任意位置实体查询，同时能满足n元关系查询中的所有类型的FOL查询。
-
公开(公告)号：CN118504695A
公开(公告)日：2024-08-16
申请号：CN202410979834.5
申请日：2024-07-22
Applicant: 北京邮电大学
Abstract: 本申请提出了一种基于时间概率分布的时序知识图谱逻辑推理方法及装置，涉及大数据、人工智能与知识图谱技术领域，其中，时序知识图谱基于文本数据生成，文本数据中的每段文本表示现实世界的一个事件，时序知识图谱以#imgabs0#的形式存储现实世界的一个事件，该方法包括：通过链接预测器补全时序知识图谱；将补全的时序知识图谱建模为时序概率分布，并将时序概率分布通过筛选转化为稀疏矩阵形式；针对用户输入的逻辑查询，在稀疏矩阵形式的时序概率分布上进行模糊逻辑运算，得到从起点到终点的中间路径以及对应的概率分布，并将概率值最高的路径作为查询结果。采用上述方案的本申请能够有效提高对复杂时间逻辑查询的处理能力。
-
公开(公告)号：CN118069869B
公开(公告)日：2024-06-21
申请号：CN202410466869.9
申请日：2024-04-18
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/0442 , G06N5/04
Abstract: 本申请提出一种基于时间规律捕获的时序知识图谱推理方法及装置，涉及大数据、人工智能与知识图谱技术领域，该方法包括：获取用户查询输入，构建查询四元组，并获取历史数据；对四元组数据进行重复事实编码，得到历史数据统计向量；对动态图数据进行时间线拟合，得到筛选后的动态图数据和实体数据；对静态图数据进行全局编码，得到静态图上的实体和关系的编码矩阵，并使用局部编码方式、基于筛选后的动态图数据对编码矩阵进行更新；对查询四元组进行解码，将解码结果与更新后的编码矩阵进行得分计算，并将计算的解码得分与历史数据统计向量、实体数据结合，得到预测结果。采用上述方案的本申请能够基于历史数据，实现对较远的未来事实的准确预测。
-
公开(公告)号：CN116579425B
公开(公告)日：2024-02-06
申请号：CN202310855908.X
申请日：2023-07-13
Applicant: 北京邮电大学
Abstract: 本发明公开了基于全局和局部层级注意力的超关系知识图谱补全方法，该方法包括：基于输入超关系知识图谱嵌入模型的数据构建超图；将实体输入超图双向注意力层，以根据第一节点嵌入和第一超边嵌入得到节点到超边的注意力，并基于注意力进行超边的节点信息聚合得到第二超边嵌入，以基于第二超边嵌入得到第二节点嵌入；基于第二节点嵌入转化得到局部超关系事实序列中的实体嵌入，并将实体嵌入输入至所述局部异构自注意力层，以利用输出得到的注意力值和对应的第三节点嵌入得到最终嵌入；对第二节点嵌入和最终嵌入进行评分，并根据评分结果计算的预测损失进行超关系知识图谱嵌入模型的补全任务。本发明可以精准地解决超关系知识图谱补全任务。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.058 seconds)
