公开(公告)号：CN113158672B

公开(公告)日：2024-11-08

申请号：CN202110326769.2

申请日：2021-03-26

Applicant: 清华大学

Inventor： 侯磊 ,  刘丁枭 ,  吴茜凤 ,  李涓子 ,  张鹏 ,  唐杰 ,  许斌

IPC: G06N5/025 ,  G06F40/242 ,  G06F40/295 ,  G06F40/30 ,  G06F16/36 ,  G06F16/35 ,  G06F18/23 ,  G06F18/2415

Abstract: 本发明提供一种基于新闻事件的关系分析方法及装置，其中方法包括：获取多篇新闻文本；对多篇新闻文本进行聚类，得到聚类后的多个新闻事件；对多个新闻事件进行实体链接、实体抽取、实体关系抽取、事件关系抽取、实体与事件关系抽取，根据实体链接结果、实体抽取结果、实体关系抽取结果、事件关系抽取结果、实体与事件关系抽取结果进行关联分析得到分析结果。本发明通过原始新闻文本聚类实现新闻事件级别分析，得到多个事件，再通过对事件文本抽取实体、实体关系、事件关系、事件与实体的关系。进而通过实体链接，将实体背景知识进行补充，实现对事件的深层次挖掘，从而使读者能够获得更全面和深入的信息。

公开(公告)号：CN115115920B

公开(公告)日：2024-10-29

申请号：CN202210530942.5

申请日：2022-05-16

Applicant: 清华大学

Inventor： 唐杰 ,  侯振宇 ,  刘潇 ,  东昱晓

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74

Abstract: 本公开提出一种数据训练方法及装置，涉及深度学习和图网络数据挖掘技术领域。该方法包括：处理输入样本数据，获得第一训练数据，将第一训练数据输入至自动编码器，获得第二训练数据，对第二训练数据与输入样本数据进行相似度对比，并根据对比结果进行数据训练。本公开实现在通过自监督算法进行数据学习，极大的提高了图网络数据分类的准确率。

公开(公告)号：CN114168574B

公开(公告)日：2024-09-24

申请号：CN202111256421.7

申请日：2021-10-27

Applicant: 清华大学 ,  国网浙江省电力有限公司营销服务中心

Inventor： 仇瑜 ,  高云鹏 ,  褚晓泉 ,  唐杰 ,  李亚坤 ,  王朝亮 ,  胡若云

IPC: G06F16/215 ,  G06F17/16 ,  G06Q50/04

Abstract: 本申请涉及电力系统负荷技术领域，尤其涉及一种面向工业负荷的数据缺失处理方法及装置。其中，一种面向工业负荷的数据缺失处理方法，包括：获取每个用户的负荷数据以及用户特征数据，根据用户特征数据将负荷数据拆分为多个数据集；对数据集中可基于已有的负荷数据直接获取的缺失数据进行初步填充；利用矩阵分解算法对进行初步填充后仍存在缺失数据的数据集进行深度填充。采用上述方案的本申请通过利用智能电表中多种不同类型量测数据之间的相关性，对数据中复杂的关联模式进行挖掘，有效挖掘出不同时刻、不同负荷分量之间的关联关系，从而提升缺失值填充的准确性，有效填充工业负荷数据的缺失值，从而实现对细粒度智能电表的缺失数据填充。

公开(公告)号：CN115098692B

公开(公告)日：2024-09-20

申请号：CN202210614778.6

申请日：2022-05-30

Applicant: 清华大学

Inventor： 李涓子 ,  李亚坤 ,  侯磊 ,  褚晓泉 ,  孟斌杰 ,  张鹏 ,  唐杰 ,  许斌

IPC: G06F16/36 ,  G06F16/335 ,  G06F16/9535 ,  G06F40/295 ,  G06F40/30 ,  G06Q30/0601

Abstract: 本发明提供一种跨域推荐方法、装置、电子设备及存储介质，其中，所述方法应用于数据稀疏的目标域，目标域的目标域实体包括待推荐用户实体和待推荐商品实体，所述方法包括：获取知识图谱和源域，其中，源域中的源域实体包括源域用户实体和源域商品实体；基于知识图谱，对目标域实体和源域实体进行转换，得到目标域实体向量和源域实体向量；基于目标域实体向量和源域实体向量，通过图注意力模型得到待推荐用户实体的融合偏好特征；基于待推荐用户实体的融合偏好特征，通过跨域贝叶斯机制进行推荐，得到待推荐用户实体关于待推荐商品实体的推荐排序。通过本发明提高了对待推荐用户实体进行商品实体推荐的推荐效率。

公开(公告)号：CN114722269B

公开(公告)日：2024-09-06

申请号：CN202210219700.4

申请日：2022-03-08

Applicant: 清华大学

Inventor： 唐杰 ,  张丹 ,  朱一凡

IPC: G06F16/9535 ,  G06F16/9538 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/048 ,  G06N3/08 ,  G06Q30/0601 ,  G06F40/30

Abstract: 本申请提出的一种基于图神经网络的物品推荐方法、装置及存储介质中，获取用户信息、物品信息以及用户‑物品的交互信息，利用用户信息、物品信息以及用户‑物品的交互信息，构建用户与物品之间的有向网络图，构建基于图神经网络的ApeGNN模型，利用有向网络图对ApeGNN模型进行训练，得到目标ApeGNN模型。获取每个用户待推荐的物品信息，利用目标ApeGNN模型得到待推荐物品的预测分数，根据预测分数确定排序结果，并根据排序结果输出每个用户对应的推荐物品信息。其中，本申请考虑了用户和物品在每一层中的语义差异性，从而提高了物品推荐的准确度。

公开(公告)号：CN113705237B

公开(公告)日：2024-07-23

申请号：CN202110881415.4

申请日：2021-08-02

Applicant: 清华大学

Inventor： 侯磊 ,  吕志亨 ,  李涓子 ,  张鹏 ,  唐杰 ,  许斌

IPC: G06F40/295 ,  G06F40/30 ,  G06F16/35

Abstract: 本发明提供一种融合关系短语知识的关系抽取方法、装置和电子设备，包括：确定待抽取关系语句，以及该语句中的待抽取关系的两个实体的位置信息；将所述待抽取关系语句和所述位置信息输入抽取模型，输出所述两个实体的关系类型；其中，所述抽取模型是基于样本语句、对应的样本头尾实体位置和对应的头尾实体间关系类型标签进行训练得到的，所述抽取模型训练时的网络结构包括语句编码器、协同切割关系短语表示网络、关系记忆网络和关系短语类别分类网络。本发明提供的方法、装置和电子设备，实现了融合关系短语的语义信息到关系类型中，提高了语句中关系类型抽取的准确率。

公开(公告)号：CN118364167A

公开(公告)日：2024-07-19

申请号：CN202410322639.5

申请日：2024-03-20

Applicant: 清华大学

Inventor： 唐杰 ,  巩雯雯 ,  张丹

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N20/20

Abstract: 本申请提出了一种图对比学习的多样化物品推荐方法及装置，该方法包括：使用随机高斯噪声来扰动编码器，在原始图的基础上得到增强视图；设计原始图和增强视图的对比范式，计算对比学习损失；根据对比学习获得的用户表征与物品表征，构建行列式点过程DPP中的半正定核矩阵；基于半正定核矩阵，从集合选择的角度设计基于DPP似然的目标函数，并计算基于DPP似然的损失；联合优化对比学习损失和基于DPP似然的损失，输出目标多样化物品列表。基于本申请提出的方案，通过计算DPP似然损失代替传统的BPR损失，并联合优化对比学习损失和DPP似然损失，能够得到目标用户最喜欢且更加多样化的物品推荐列表。

公开(公告)号：CN118132829A

公开(公告)日：2024-06-04

申请号：CN202311824291.1

申请日：2023-12-27

Applicant: 清华大学

Inventor： 唐杰 ,  张丹 ,  郑少杰 ,  宫继兵

IPC: G06F16/9535 ,  G06F16/901 ,  G06N3/042 ,  G06F16/9536

Abstract: 本发明公开了异构图神经网络在学术推荐中的矩阵完成方法及系统，该方法，包括获取学术网络中用户与物品的交互信息；基于交互信息构建用户与物品关系的异构图；基于异构图分别进行用户和物品的模型建模，以根据构建的用户模型和物品模型确定用户表征向量和物品嵌入信息；将用户表征向量和物品嵌入信息输入至图神经网络模型以计算用户和物品的相似度，并基于相似度对物品列表中的物品进行相似度得分排序，以根据得分排序结果预测用户点击的物品。本发明可以利用辅助信息来推荐学术论文，通过使用关系感知的异构GNN来有效增强学术论文推荐。

公开(公告)号：CN118020097A

公开(公告)日：2024-05-10

申请号：CN202180101578.4

申请日：2021-08-11

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： E·哈特拉莫诺夫 ,  唐杰 ,  于济凡 ,  李涓子 ,  侯磊 ,  刘知远 ,  孙茂松 ,  罗干

IPC: G09B5/00

Abstract: 提供了一种用于使神经网络系统能够发现多个课程的概念之间的先决条件关系的方法，其中，多个课程中的每个课程包含一系列视频。该方法包括：收集学生行为数据，学生行为数据至少包括跨多个课程的视频观看行为数据；至少基于视频观看行为模式将学生行为数据建模为先决条件特征，其中，视频观看行为模式由来自视频观看行为数据的一个或多个视频对形成；以及至少基于先决条件特征来训练神经网络系统。提供了众多其它方面。

公开(公告)号：CN118020080A

公开(公告)日：2024-05-10

申请号：CN202180101405.2

申请日：2021-08-06

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： E·哈特拉莫诺夫 ,  唐杰 ,  于济凡 ,  李涓子 ,  侯磊 ,  刘知远 ,  孙茂松 ,  王禹权

IPC: G06N5/022

Abstract: 本公开内容提供了一种用于为在线课程建立知识库的方法。所述方法包括：从多个课程中获得多个概念，其中，所述多个课程包括视频和练习；将所述课程中包括的所述视频和所述练习中的每一项链接到所述多个概念中的一个或多个相关概念；以及将多个学生行为中的每个学生行为链接到所述多个概念中的一个或多个相关概念，其中，所建立的知识库包括以下各项：包括所述视频和所述练习的所述多个课程、所述多个学生行为、所述多个概念、所述视频与所述多个概念之间的链接、所述练习与所述多个概念之间的链接、所述学生行为与所述多个概念之间的链接。