公开(公告)号：CN119761345A

公开(公告)日：2025-04-04

申请号：CN202411947266.7

申请日：2024-12-27

Applicant: 天津大学

Inventor： 韩林峄 ,  张小旺

IPC: G06F40/205 ,  G06F40/30 ,  G06F40/166 ,  G06N5/04 ,  G06F18/22 ,  G06F21/57

Abstract: 本发明公开了一种缺陷文本描述中的关键信息关联关系生成方法及系统，涉及软件漏洞分析技术领域；该方法包括如下步骤：采用大语言模型生成缺陷描述中关键信息之间的若干个候选关联关系；采用大语言模型对所有关键信息和候选关联关系进行语义扩展；采用大语言模型基于链式推理法得到每个候选关联关系与关键信息之间的逻辑思维链；对每个候选关联关系的逻辑思维链进行验证是否有效；若逻辑思维链验证有效，将对应的候选关联关系作为正确的关键信息之间的关联关系。本发明采用LLM生成逻辑思维链并自检查逻辑思维链的方式进行验证，能够找到最适合当前缺陷文本和关键信息的关联关系进行输出。

公开(公告)号：CN110825738B

公开(公告)日：2023-04-25

申请号：CN201911006105.7

申请日：2019-10-22

Applicant: 天津大学

Inventor： 宋佳明 ,  张小旺 ,  冯志勇

IPC: G06F16/22 ,  G06F16/2453 ,  G06F16/2455 ,  G06F16/2458 ,  G06F16/248 ,  G06F16/27

Abstract: 本发明公开了一种基于分布式RDF的数据存储、查询方法及装置，方法包括：利用原始RDF数据生成候选的数据模式集合，统计谓语频次和数据模式频次；基于候选数据模式集合覆盖挖掘星模式；并建立星模式的索引；依据星模式，从RDF数据构建动态存储形成星模式表；通过索引和星模式表的统计数据基于广度优先解析和反向意识优化SPARQL查询语句得到最优的查询计划；将查询计划转换为物理执行过程，在星模式表存储上执行该过程。装置包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的方法步骤。本发明通过将存储数据表示为星模式表，相比于属性表节省了大量存储空间，相比于垂直分区表节省了查询join次数。

公开(公告)号：CN115062156A

公开(公告)日：2022-09-16

申请号：CN202210433696.1

申请日：2022-04-24

Applicant: 天津大学

Inventor： 窦春柳 ,  张小旺

IPC: G06F16/36 ,  G06F40/211 ,  G06F40/284 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于虚词增强小样本关系抽取的知识图谱构建方法，包括从获取的自然语言文本中自动识别出命名实体；以获取的自然语言文本和识别的实体对作为关系抽取模型的输入，输出实体间的关系；对抽取的实体及关系链向知识图谱中相应条目；在已有的知识图谱基础上自动推理出缺失的关系值，进行知识图谱的补全。与现有技术相比，本发明可以避免大量人工标注所带来的耗时耗力，并且通过特定领域的少量标签数据可以快速完成特定领域的关系抽取任务，同时，它对于未见领域可以有很好的泛化性能，实现快速精确的关系抽取。

公开(公告)号：CN106940724B

公开(公告)日：2020-06-23

申请号：CN201710165007.2

申请日：2017-03-20

Applicant: 天津大学

Inventor： 张小旺 ,  冯志勇 ,  张嘉慧

IPC: G06F16/215 ,  G06F16/2455 ,  G06F16/28 ,  G06N20/00

Abstract: 本发明公开了一种面向大数据的多范型融合分析处理方法，该方法包括以下步骤：数据预处理阶段；配置文件阶段：数据查询分析阶段；用户反馈阶段。本发明提出的基于GBase数据库的大数据多范型融合分析处理是可以有效满足大数据分析市场需求的解决方案。

公开(公告)号：CN115033778A

公开(公告)日：2022-09-09

申请号：CN202210438899.X

申请日：2022-04-25

Applicant: 天津大学

Inventor： 邵宁 ,  张小旺

IPC: G06F16/9535 ,  G06F16/28

Abstract: 本发明公开了一种基于实体路径局部相关的偏好预测方法，对新获取到的实体关系进行分析，判断其是否合理，因此基于用户倾向设计潜在产品关联的提取模型，对实体关系进行决策，增强其与推荐系统当前应用领域之间的相关性。最后，在网络中构建聚合模块显式控制实体关系和产品关系之间的权重比例，进一步修正不一致对推荐结果的影响。与现有技术相比，本发明基于实体关系优化模型实现了对用户倾向进行准确和全面的预测；能够增强实体关系与推荐系统当前应用领域之间的相关性。

公开(公告)号：CN111104973B

公开(公告)日：2022-02-15

申请号：CN201911244570.4

申请日：2019-12-06

Applicant: 天津大学

Inventor： 魏卿 ,  张小旺 ,  王克文 ,  冯志勇

IPC: G06V10/764 ,  G06V10/771 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明公开一种基于知识注意力的细粒度图像分类方法，包括特征过滤网络、知识引导模块和知识决策模块；特征过滤网络用于将输入的原始图片信息经过深度卷积神经网络模型得到若干特征图，将各个特征图在各自像素点位置进行纵向最大值操作，得到一张包含每个最大像素值的特征图(注意力特征图)用以表示当前图像重要点的集合，根据当前注意力特征图与原始图片比较得到注意力特征图所在位置及颜色信息；知识引导模块通过实体嵌入向量及视觉特征学习转换权重W，以此进行知识引导；知识决策模块用于对知识库三元组信息进行类之间的相似度计算，通过设置阈值的方式作为类的指标，并通过softmax进行概率输出并作为偏移量加入到图像分类上。

公开(公告)号：CN110888942A

公开(公告)日：2020-03-17

申请号：CN201911070577.9

申请日：2019-11-05

Applicant: 天津大学

Inventor： 赵乐园 ,  张小旺 ,  冯志勇

IPC: G06F16/28 ,  G06F16/36

Abstract: 本发明属于知识图谱的表示学习和本体构建的技术领域，具体涉及一种基于线性规划的本体包含公理学习方法，包括构建表示学习模型SetE，将知识图谱Abox的实体数据、类型数据及关系数据输入表示学习模型SetE，计算类型数据之间的包含关系，提取包含关系形成公理。本发明可以用线性表示学习模型来捕捉谓词特征，并且通过把包含关系归纳和约简成线性规划来获得本体包含关系，对于知识图谱不完整的情况下仍然可以高效地学习出相应的本体。

公开(公告)号：CN109325029A

公开(公告)日：2019-02-12

申请号：CN201811004427.3

申请日：2018-08-30

Applicant: 天津大学

Inventor： 张小旺 ,  张明月 ,  冯志勇

IPC: G06F16/22 ,  G06F16/23 ,  G06F16/242 ,  G06F16/2455

Abstract: 本发明涉及数据库引擎的数据存储和查询处理领域，为充分利用真实人类社会活动关系数据的特点，将局部紧密的实体关系进行存储，提高查询效率，节省大量存储空间。本发明，基于稀疏矩阵的RDF数据存储和查询方法，步骤如下：步骤一：将原始RDF数据的字符串类型哈希编码成整数类型；步骤二：对编码后的RDF数据构建RDF立方体RDF Cube；步骤三：通过建立谓词索引采用一系列稀疏矩阵的形式来存储RDF Cube；步骤四：解析并优化SPARQL查询语句得到最优的查询计划；步骤五：基于稀疏矩阵的Join查询执行，结果输出。本发明主要应用于存储和查询处理场合。

公开(公告)号：CN116362256A

公开(公告)日：2023-06-30

申请号：CN202310295984.X

申请日：2023-03-24

Applicant: 天津大学

Inventor： 张小旺 ,  孙悦

IPC: G06F40/30 ,  G06F40/211 ,  G06N3/0442 ,  G06N3/088

Abstract: 本发明公开一种无监督句法控制释义生成系统及方法，所述释义生成系统包括数据预处理模块、语义编码器、句法序列化模块、句法编码器、混合注意力模块和Double‑GRU解码器；包括如下步骤：将目标句经过句法解析单元获得选区句法树；将选区句法树序列化生成三序列；分别使用语义编码器和句法编码器处理语义句和三序列句法；通过混合注意力模块抽取与目标单词相关的句法子结构；将句法子结构与全局语义信息输入Double‑GRU解码器中获取句法改变语义不变的句子，本发明通过捕捉目标句法子结构入手，将句法子结构增强的注意力网络引入无监督句法控制释义生成中，可以在无并行数据的情况下快速完成句法可控的释义生成。

公开(公告)号：CN111241301A

公开(公告)日：2020-06-05

申请号：CN202010023555.3

申请日：2020-01-09

Applicant: 天津大学

Inventor： 马骏 ,  张小旺 ,  饶国政 ,  冯志勇

IPC: G06F16/36

Abstract: 本发明公开一种面向知识图谱表示学习的分布式框架构建方法，包括以下步骤：进行RDF三元组的数据映射，建立原始字符串型数据到整数类型ID的哈希映射，映射后的RDF三元组参与后续处理；将RDF三元组按照每个计算群组的计算能力进行置乱切分并且分配到各个计算群组中；之后随机生成一组向量作为初始化的表示模型，并对该表示模型进行逻辑上的切分，并将逻辑切分结果发送到每个计算群组中，然后计算群组的每个计算节点根据逻辑切分结果进行本地子模型的构建；采用自适应的方法，各个计算节点根据每一轮的随机采样结果，自动在相关的计算节点上完成所需表示模型向量的收集；分布式模型训练和分布式模型聚合。