-
公开(公告)号：CN114896495A
公开(公告)日：2022-08-12
申请号：CN202210488178.X
申请日：2022-05-06
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06F16/9535 , G06Q30/06 , G06N3/08
摘要： 本发明公开了一种针对知识增强推荐系统的图非采样学习方法，包括以下步骤：S1：构建基于图非采样的知识图谱嵌入和基于图非采样的推荐系统嵌入；S2：利用多跳Top‑K邻域聚合方法更新项目嵌入表示；S3：基于更新后的项目嵌入表示，连接基于图非采样的知识图谱嵌入和基于图非采样的推荐系统嵌入，完成针对知识增强推荐系统的图非采样学习。本发明涉及基于图的非采样学习，首次将图节点中心性引入非采样学习，以提升知识图谱嵌入和推荐系统嵌入效果。
-
公开(公告)号：CN113326347A
公开(公告)日：2021-08-31
申请号：CN202110554637.5
申请日：2021-05-21
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06F16/33 , G06F16/35 , G06F40/211 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种句法信息感知的作者归属方法，涉及文本作者识别领域，本发明首先使用句法依赖树来解决作者归属任务。将依赖关系输入到图卷积神经网络中提取句子的句结构。由于句法成分树中路径的标签会增大数据量和计算难度，本发明使用的句法依赖树数据量小，计算简单，效果明显。本发明使用图卷积神经网络从文本的依赖树中提取语法表示形式，并使用字符来收集内容表示形式。结果表明，本发明性能优于所有最新的方法，并且具有更好的捕获用于短文本作者归属任务的语法信息的能力。文本的语法表示形式可以帮助克服短文本作者归属任务的挑战，同时也可以在长文本上取得很好的效果。
-
公开(公告)号：CN112364108A
公开(公告)日：2021-02-12
申请号：CN202011265517.5
申请日：2020-11-13
申请人： 四川省人工智能研究院(宜宾)
摘要： 本发明公开了一种基于时空架构的时序知识图谱补全方法，其特征在于，包括以下步骤：将待补全时序知识图谱按照其知识的时间标注划分为若干静态的知识集合，并通过每个集合中的知识分别构建若干知识网络，得到若干快照；构建多面图注意力网络，并将快照输入多面图注意力网络，获取实体在每个快照下的静态嵌入表示；构建自适应时序注意力机制，根据实体的静态嵌入表示并使用自适应时序注意力机制获取实体的最终嵌入表示；通过实体的最终嵌入表示计算待补全时序知识图谱中知识的置信度，并通过置信度预测待补全时序知识图谱中的缺失内容。本发明具有更高的扩展性与灵活性，能够与任意静态的补全方法相结合来进行时序知识图谱的补全任务。
-
公开(公告)号：CN112860918A
公开(公告)日：2021-05-28
申请号：CN202110305818.4
申请日：2021-03-23
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06F16/36 , G06F40/295
摘要： 本发明提供了一种基于协同演化建模的时序知识图谱表示学习方法，属于时序知识图谱技术领域，根据待表示的时序知识图谱，初始化模型的参数以及任一实体和关系的嵌入表示；计算得到每个已知事实的发生概率，并通过最大化已知事实的发生概率得到局部结构的演化损失；为每个时序知识图谱快照的图结构计算其对应的软模块度，并最大化软模块度得到全局结构的演化损失；计算得到模型的整体损失函数；利用梯度下降法迭代优化所述模型的整体损失函数，直至模型收敛。本发明解决了以往的工作因为忽略时序知识图谱的演化本质而无法获得准确的嵌入表示的问题。
-
公开(公告)号：CN112860918B
公开(公告)日：2023-03-14
申请号：CN202110305818.4
申请日：2021-03-23
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06F16/36 , G06F40/295
摘要： 本发明提供了一种基于协同演化建模的时序知识图谱表示学习方法，属于时序知识图谱技术领域，根据待表示的时序知识图谱，初始化模型的参数以及任一实体和关系的嵌入表示；计算得到每个已知事实的发生概率，并通过最大化已知事实的发生概率得到局部结构的演化损失；为每个时序知识图谱快照的图结构计算其对应的软模块度，并最大化软模块度得到全局结构的演化损失；计算得到模型的整体损失函数；利用梯度下降法迭代优化所述模型的整体损失函数，直至模型收敛。本发明解决了以往的工作因为忽略时序知识图谱的演化本质而无法获得准确的嵌入表示的问题。
-
公开(公告)号：CN114896416A
公开(公告)日：2022-08-12
申请号：CN202210531278.6
申请日：2022-05-16
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06F16/36 , G06F40/30 , G06F16/2458 , G06F16/23
摘要： 本发明公开了一种面向流场景的时序知识图谱嵌入与预测方法，通过采集流场景下的交互知识，并进行预处理，根据预处理后的交互知识获取直接影响实体与传播影响实体；构建更新模型更新直接影响实体与传播影响实体的嵌入表示；构建读取模型读取更新后的直接影响实体与传播影响实体在查询时刻下的嵌入表示；利用得分函数根据在查询时刻下的嵌入表示计算各知识的置信度，并根据各知识的置信度进行未来知识预测；本发明将实体嵌入表示解耦为外部存储来保存实体的历史语义，灵活初始化新出现的实体，充分考虑新知识带来的直接影响与传播影响，并利用更新模型更新实体的嵌入表示，快速生成嵌入表示；并构建读取模型准确地预测实体语义的演化轨迹。
-
公开(公告)号：CN113326347B
公开(公告)日：2021-10-08
申请号：CN202110554637.5
申请日：2021-05-21
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06F16/33 , G06F16/35 , G06F40/211 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种句法信息感知的作者归属方法，涉及文本作者识别领域，本发明首先使用句法依赖树来解决作者归属任务。将依赖关系输入到图卷积神经网络中提取句子的句结构。由于句法成分树中路径的标签会增大数据量和计算难度，本发明使用的句法依赖树数据量小，计算简单，效果明显。本发明使用图卷积神经网络从文本的依赖树中提取语法表示形式，并使用字符来收集内容表示形式。结果表明，本发明性能优于所有最新的方法，并且具有更好的捕获用于短文本作者归属任务的语法信息的能力。文本的语法表示形式可以帮助克服短文本作者归属任务的挑战，同时也可以在长文本上取得很好的效果。
-
公开(公告)号：CN112364108B
公开(公告)日：2021-06-15
申请号：CN202011265517.5
申请日：2020-11-13
申请人： 四川省人工智能研究院(宜宾)
摘要： 本发明公开了一种基于时空架构的时序知识图谱补全方法，其特征在于，包括以下步骤：将待补全时序知识图谱按照其知识的时间标注划分为若干静态的知识集合，并通过每个集合中的知识分别构建若干知识网络，得到若干快照；构建多面图注意力网络，并将快照输入多面图注意力网络，获取实体在每个快照下的静态嵌入表示；构建自适应时序注意力机制，根据实体的静态嵌入表示并使用自适应时序注意力机制获取实体的最终嵌入表示；通过实体的最终嵌入表示计算待补全时序知识图谱中知识的置信度，并通过置信度预测待补全时序知识图谱中的缺失内容。本发明具有更高的扩展性与灵活性，能够与任意静态的补全方法相结合来进行时序知识图谱的补全任务。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.031 秒)
