-
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：CN118170894B
公开(公告)日：2024-07-30
申请号：CN202410607312.2
申请日：2024-05-16
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/194 , G06N3/042 , G06N5/022 , G06N5/048
Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。
-
公开(公告)号：CN118170894A
公开(公告)日：2024-06-11
申请号：CN202410607312.2
申请日：2024-05-16
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/194 , G06N3/042 , G06N5/022 , G06N5/048
Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN116596539B
公开(公告)日：2024-02-09
申请号：CN202310416603.9
申请日：2023-04-18
Applicant: 北京邮电大学
Abstract: 本发明涉及反洗钱技术领域，尤其是指一种反洗钱方法及系统。本发明所述的反洗钱方法，根据历史交易数据构建风控知识图谱，基于风控知识图谱进行深度优先搜索自动发现风控规则，并与传统人工构建的风控规则组成风控规则库，根据风控规则库计算账户的洗钱可能性，评估洗钱风险，在提高了规则管理和应用效率的同时能够及时适应洗钱手段的变化，提高了洗钱风险评估的准确性。
-
公开(公告)号：CN116682552B
公开(公告)日：2023-10-24
申请号：CN202310956821.1
申请日：2023-08-01
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 本发明提出一种多时间跨度数据的强解释特征血液透析低血压预测方法，包括，获取血液透析低血压数据，对血液透析低血压数据进行预处理，获取第一特征集合；构建具有临床意义的第二特征集合；利用预先构建的GS‑RFE‑XGBoost模型对第一特征集合和第二特征集合进行特征选择；将特征选择的结果利用夏利普可解释的方法进行特征的可解释分析，并利用百分位数对低血压相关因素参考区间的范围进行预测。通过本发明提出的方法，可实现对血液透析低血压的强解释预测。
-
-
公开(公告)号：CN116682552A
公开(公告)日：2023-09-01
申请号：CN202310956821.1
申请日：2023-08-01
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 本发明提出一种多时间跨度数据的强解释特征血液透析低血压预测方法，包括，获取血液透析低血压数据，对血液透析低血压数据进行预处理，获取第一特征集合；构建具有临床意义的第二特征集合；利用预先构建的GS‑RFE‑XGBoost模型对第一特征集合和第二特征集合进行特征选择；将特征选择的结果利用夏利普可解释的方法进行特征的可解释分析，并利用百分位数对低血压相关因素参考区间的范围进行预测。通过本发明提出的方法，可实现对血液透析低血压的强解释预测。
-
公开(公告)号：CN116596539A
公开(公告)日：2023-08-15
申请号：CN202310416603.9
申请日：2023-04-18
Applicant: 北京邮电大学
Abstract: 本发明涉及反洗钱技术领域，尤其是指一种反洗钱方法及系统。本发明所述的反洗钱方法，根据历史交易数据构建风控知识图谱，基于风控知识图谱进行深度优先搜索自动发现风控规则，并与传统人工构建的风控规则组成风控规则库，根据风控规则库计算账户的洗钱可能性，评估洗钱风险，在提高了规则管理和应用效率的同时能够及时适应洗钱手段的变化，提高了洗钱风险评估的准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.051 seconds)
