一种基于知识图谱的初中数学知识点关系抽取方法

    公开(公告)号:CN118709773A

    公开(公告)日:2024-09-27

    申请号:CN202411217878.0

    申请日:2024-09-02

    摘要: 本发明公开了一种基于知识图谱的初中数学知识点关系抽取方法,包括如下步骤,构建数据集进行预处理,得到句子文本数据,将句子文本数据输入预训练语言模块进行处理,得到文本语义特征编码向量,将数据集输入基于知识表示学习的预训练语言模块,得到实体特征编码向量和关系类型特征编码向量集合,将文本语义特征编码向量、实体特征编码向量和关系类型特征编码向量集合输入局部实体语义融合模块,得到关系‑语义特征编码向量,将关系‑语义特征编码向量输入到分类器模块中进行预测。本方法通过将关系类型特征编码向量集合、句子文本数据和实体特征编码向量充分的融合,提高了关系抽取效果的准确率。

    一种融合区域负采样和图对比学习的推荐方法

    公开(公告)号:CN118568358A

    公开(公告)日:2024-08-30

    申请号:CN202411026248.5

    申请日:2024-07-30

    摘要: 本发明公开了一种融合区域负采样和图对比学习的推荐方法,包括:S1:构建数据集,将数据集的二部图处理为归一化邻接矩阵;S2:构建推荐网络模型,将S1中的归一化邻接矩阵导入到推荐网络模型进行邻域信息聚合,获得主视图的节点嵌入并进行区域负采样,构建损失函数进行计算;S3:对归一化邻接矩阵进行随机奇异值分解操作得到增强视图,获得增强视图的节点嵌入,构建对比学习损失函数;S4:构建总损失函数进行联合训练,最小化总损失函数的损失优化推荐网络模型的参数。本发明将对比学习与图神经网络相结合,充分利用了两者的优势,使得推荐系统能够更好地理解用户和物品之间的关系,从而提高推荐的准确性和个性化程度。

    基于多视角和分层融合的虚假新闻检测方法

    公开(公告)号:CN118114188B

    公开(公告)日:2024-06-25

    申请号:CN202410537484.7

    申请日:2024-04-30

    摘要: 本发明涉及自然语言处理技术领域,公开了一种基于多视角和分层融合的虚假新闻检测方法,步骤如下:构建新闻样本,对新闻样本进行数据预处理;得到标题特征数据、文本特征数据和图像特征数据;标题特征数据得到标题编码特征向量,文本特征数据得到跨模态文本特征向量、文本编码特征向量、文本情感特征向量;图像特征数据得到图像情感特征向量、跨模态图像特征向量、图像空间域特征向量和图像频域特征向量;融合上述特征向量得到最终融合编码特征向量,输入到分类器模块中,输出新闻样本的真假预测标签。通过融合策略选择过程,有效利用文本模态与图像模态的跨模态之间的相似度信息,及时调整不同样本的模态重要性,达到更高的检测效率。

    一种融合图像特征的协同注意网络多模态谣言检测方法

    公开(公告)号:CN118211122A

    公开(公告)日:2024-06-18

    申请号:CN202410628316.9

    申请日:2024-05-21

    摘要: 本发明公开了一种融合图像特征的协同注意网络多模态谣言检测方法,步骤如下:步骤S1:构建数据集,数据集包括若干条帖子;步骤S2:定义谣言检测任务形式化,构建谣言检测模型;步骤S3:将步骤S1中的数据集的文本、图像和社交传播结构图导入到步骤S2中的多模态特征提取层中;步骤S4:多模态特征融合层对步骤S3中的文本特征向量、图像特征向量和社交传播结构图特征向量进行融合,获得融合特征向量;步骤S5:输入融合特征向量进入预测分类层,预测分类层输出预测结果。本发明通过构建多模态特征提取层,提出了将文本、图像和社交传播结构图融合在一个框架中,从而提高谣言检测的准确率。

    基于多视角和分层融合的虚假新闻检测方法

    公开(公告)号:CN118114188A

    公开(公告)日:2024-05-31

    申请号:CN202410537484.7

    申请日:2024-04-30

    摘要: 本发明涉及自然语言处理技术领域,公开了一种基于多视角和分层融合的虚假新闻检测方法,步骤如下:构建新闻样本,对新闻样本进行数据预处理;得到标题特征数据、文本特征数据和图像特征数据;标题特征数据得到标题编码特征向量,文本特征数据得到跨模态文本特征向量、文本编码特征向量、文本情感特征向量;图像特征数据得到图像情感特征向量、跨模态图像特征向量、图像空间域特征向量和图像频域特征向量;融合上述特征向量得到最终融合编码特征向量,输入到分类器模块中,输出新闻样本的真假预测标签。通过融合策略选择过程,有效利用文本模态与图像模态的跨模态之间的相似度信息,及时调整不同样本的模态重要性,达到更高的检测效率。

    一种基于对比学习的中学几何问题自动求解方法

    公开(公告)号:CN117633643A

    公开(公告)日:2024-03-01

    申请号:CN202410109877.8

    申请日:2024-01-26

    摘要: 本发明公开了一种基于对比学习的中学几何问题自动求解方法,其方法为:收集若干道中学几何题及答案得到所需的中学几何数据集;划分成无图几何题数据集和有图几何题数据集;无图几何题输入到几何图像生成器中获得准确率高的几何图形;再输入到有图解题器中得到最终的多模态特征向量;有图解题器中的程序解码器得到准确率高的解题答案;最后将几何图像生成器和有图解题器合在一起测试,形成一个解决自己作图和自带图形的几何题型的统一大模型。本发明的有益效果是:从全新的视角,将中学几何问题分成两种题型来分别对应解决,并将它们融合到一起形成一个能解中学几何问题的模型。

    基于提示学习的两阶段命名实体识别方法

    公开(公告)号:CN117236335B

    公开(公告)日:2024-01-30

    申请号:CN202311499946.2

    申请日:2023-11-13

    摘要: 本发明公开了一种基于提示学习的两阶段命名实体识别方法,步骤为:获取公开的命名实体识别数据集;构建命名实体识别模型,分为跨度识别模块和跨度分类模块;将句子文本输入到跨度识别模块的特征编码器中获取嵌入特征向量;将嵌入特征向量输入到跨度识别模块的线性分类层,预测实体跨度计算跨度损失;将实体跨度和句子文本填入到跨度分类模块的自然语言模板中构建标签词映射再输入到预训练语言模型;对完整自然语言模板进行预测,得到预测的字符映射到对应的类别,为跨度分配相应的类别。本发明的优点是:解决在少样本场景下难以学习标签依赖性的问题,解决在少样本命名实体识别任务中使用提示学习导致预测耗时过长的问题。

    一种术语及类型的二元组单步抽取方法及其模型

    公开(公告)号:CN116595992A

    公开(公告)日:2023-08-15

    申请号:CN202310884081.5

    申请日:2023-07-19

    摘要: 本发明公开了一种术语及类型的二元组单步抽取方法及其模型,二元组单步抽取方法利用融合依存结构和边界损失完成术语及类型二元组的单步抽取,二元组单步抽取模型包括特征编码器、术语边界提取器、二元组抽取器、术语边界对齐模块四个大模块。本发明的优点:通过构建术语及类型链接表,将术语及类型抽取问题转化成了二元组抽取任务,统一了两个任务的抽取模型并实现一步到位的抽取效果,且实现了不同语境下术语所属类型不一致、同一术语对应多种类型等复杂场景下的术语抽取;本发明采用联合抽取术语及类型的方式,解决了术语抽取到类型分类这一过程存在的不可逆的误差传递问题。

    一种基于地磁识别的连续弯道双向通车预警方法

    公开(公告)号:CN115862342A

    公开(公告)日:2023-03-28

    申请号:CN202310186469.8

    申请日:2023-03-02

    摘要: 本发明公开了一种基于地磁识别的连续弯道双向通车预警方法,所述方法包括:获取地磁传感器的磁场波动信号并进行预处理,得到地磁检测信号;采用基于阈值自更新的双门限车辆检测算法判断地磁检测信号是否为车辆信号,若不是,则说明不存在车辆进入连续弯道;若是,对车辆信号进行车型识别得到车辆基本信息;判断车辆的高度、宽度和在急弯情况下,车辆是否都能顺利通过弯道,若否,则进行预警并阻止车辆进入连续弯道;若是,判断即将在弯道处相遇的两辆车是否需要提前避让,若需要,则预警对面车辆停车让行。通过上述方式,本发明能够降低连续弯道的交通事故发生频率,保证了车上人员的生命财产安全。