-
公开(公告)号:CN117973445B
公开(公告)日:2024-10-18
申请号:CN202410249285.6
申请日:2024-03-05
申请人: 湖北工业大学
IPC分类号: G06N3/0455 , G06N3/042 , G06Q50/00
摘要: 本发明属于神经网络模型技术领域,公开了一种基于社区意识的图掩蔽自编码学习方法、系统及存储介质,所述基于社区意识的图掩蔽自编码学习方法将社区结构信息引入GAE框架,并在学习过程中保持社区的影响力;采用社区引导的边缘掩蔽和节点特征掩蔽;在自动编码器中使用GNN进行多任务解码,并辅以动态损失函数,从原始数据中提取额外的有价值信息,用于增强图重建;在节点分类、链接预测和图分类等多个下游任务上,ComMGAE在学习图表示时保留图拓扑结构和语义信息。本发明的目标是识别现有GAE设计的弱点,并在图表示学习中完善相关工作,以应用于下游任务,如链接预测以及节点或图分类。
-
公开(公告)号:CN118378630A
公开(公告)日:2024-07-23
申请号:CN202410468042.1
申请日:2024-04-18
申请人: 湖北工业大学
摘要: 本发明公开了面向远程监督的双编码器及层次关系信息的关系抽取方法。先得到句子嵌入、知识图谱嵌入和层次结构关系嵌入,再将句子嵌入、知识图谱嵌入和层次结构关系嵌入融合在一起,得到增强的句子表示,并利用增强的句子表示来得到句子中实体对的关系。通过层级间的约束性指导模型用正确的关系嵌入来增强每个句子嵌入,使模型达到更好的性能,最后使用分类器对增强的句子表示进行分类,从而得到句子中实体对的关系。本发明利用了远程监督关系抽取中文本编码器与知识图谱编码器的互补能力,而且还使用了层次结构编码器来对层次结构化的关系进行编码,能够进一步挖掘出文本和知识图谱所包含的全部信息,从而提高了关系抽取的准确性。
-
公开(公告)号:CN117973445A
公开(公告)日:2024-05-03
申请号:CN202410249285.6
申请日:2024-03-05
申请人: 湖北工业大学
IPC分类号: G06N3/0455 , G06N3/042 , G06Q50/00
摘要: 本发明属于神经网络模型技术领域,公开了一种基于社区意识的图掩蔽自编码学习方法、系统及存储介质,所述基于社区意识的图掩蔽自编码学习方法将社区结构信息引入GAE框架,并在学习过程中保持社区的影响力;采用社区引导的边缘掩蔽和节点特征掩蔽;在自动编码器中使用GNN进行多任务解码,并辅以动态损失函数,从原始数据中提取额外的有价值信息,用于增强图重建;在节点分类、链接预测和图分类等多个下游任务上,ComMGAE在学习图表示时保留图拓扑结构和语义信息。本发明的目标是识别现有GAE设计的弱点,并在图表示学习中完善相关工作,以应用于下游任务,如链接预测以及节点或图分类。
-
-