-
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：CN116823623A
公开(公告)日：2023-09-29
申请号：CN202310967892.1
申请日：2023-08-02
申请人： 四川省人工智能研究院(宜宾)
IPC分类号： G06T3/40 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种用于轻量级网络的知识蒸馏热启动训练方法和系统，该方法包括获取至少一个随机初始化的轻量级网络模型；将低分辨率图像和对应高分辨率图像作为一对训练样本，基于多个训练样本获取训练样本集合；将训练样本集合中的低分辨率图像输入轻量级网络模型，训练轻量级网络模型，获得第一预训练网络模型；将第一预训练网络模型的权重加载于轻量级网络模型，并保持训练的各项参数不变，基于训练样本集合，对轻量级网络模型进行一轮或多轮训练，获得第二预训练网络模型；将第二预训练网络模型的权重加载于轻量级网络模型，基于教师网络的监督，训练轻量级网络模型，获得第三预训练网络模型。
-
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：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：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。
-
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。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.035 秒)
