-
公开(公告)号：CN115114401B
公开(公告)日：2025-02-14
申请号：CN202210738417.2
申请日：2022-06-27
Applicant: 华南理工大学
IPC: G06F16/334 , G06F16/35 , G06F40/211 , G06F40/30 , G06F18/22 , G06F18/241 , G06N3/044 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N5/04
Abstract: 本发明提供了面向数据智能的孪生网络结构搜索方法及语义匹配方法。包括以下步骤：根据目标任务构建孪生网络模型；其中，所述孪生网络模型包括五个网络结构，所述网络结构由若干个操作节点连接组成；定义所述网络结构的搜索空间，所述搜索空间由多个操作节点组成；设定所述孪生网络模型运行约束条件；控制器在给定所述搜索空间上进行采样得到网络模型，对所述网络模型和所述控制器进行训练，更新网络权重参数直至收敛，并在训练过程中保证所述网络模型满足所述运行约束条件；根据更新后的网络权重参数，确定目标孪生网络模型。该方法能自适应构建出最优的孪生网络模型，有效降低了人工搜索的成本和难度，可用于文本语义匹配。
-
公开(公告)号：CN115438188A
公开(公告)日：2022-12-06
申请号：CN202210964519.6
申请日：2022-08-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于实体合并的知识图谱融合方法，包括以下步骤：首先获取要进行融合的两个或多个知识图谱的数据，然后提取实体的所有属性，计算属性的词嵌入向量并将其输入到循环神经网络中，获取其最后的隐藏层输出，从而得到统一编码的实体属性嵌入向量，最后使用余弦相似度计算两个图谱中实体属性嵌入向量的相似性，获取超过设定阈值且相似度最高的两个不同图谱的实体进行融合，得到融合后的知识图谱。本发明基于循环神经网络，将实体的属性视作上下文，将两个图谱中的实体嵌入向量映射到同一个特征空间，且嵌入向量可以包含实体的所有属性信息和相同的维度，解决细分领域知识图谱融合问题，速度快且准确率高。
-
公开(公告)号：CN115114401A
公开(公告)日：2022-09-27
申请号：CN202210738417.2
申请日：2022-06-27
Applicant: 华南理工大学
Abstract: 本发明提供了面向数据智能的孪生网络结构搜索方法及语义匹配方法。包括以下步骤：根据目标任务构建孪生网络模型；其中，所述孪生网络模型包括五个网络结构，所述网络结构由若干个操作节点连接组成；定义所述网络结构的搜索空间，所述搜索空间由多个操作节点组成；设定所述孪生网络模型运行约束条件；控制器在给定所述搜索空间上进行采样得到网络模型，对所述网络模型和所述控制器进行训练，更新网络权重参数直至收敛，并在训练过程中保证所述网络模型满足所述运行约束条件；根据更新后的网络权重参数，确定目标孪生网络模型。该方法能自适应构建出最优的孪生网络模型，有效降低了人工搜索的成本和难度，可用于文本语义匹配。
-
-
Search Results
3
records
(took 0.014 seconds)
