-
公开(公告)号：CN116992099B
公开(公告)日：2024-01-12
申请号：CN202311254867.5
申请日：2023-09-27
申请人： 湖北工业大学
IPC分类号： G06F16/9035 , G06F16/901 , G06F16/9536 , G06F18/243 , G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , G06Q30/0601
摘要： 该交互选择步骤的有效性。本发明属于信息技术服务技术领域，尤其涉及一种基于交互选择的图神经网络推荐方法、系统及终端，首先构建用户内部交互图、物品内部交互图和用户‑物品交叉交互图三个子图，然后，将所有的用户及其属性、物品及其属性进行特征编码，根据一个注意力分数来对边进行挑选，然后进行消息的传播与聚合；使用RNN来融合从特征编码模块传来的信息，得到最终的节点信息；最后将全图的节点分为用户部分节点和物品部分节点，得到预测结果。本发明设计了一个通过
-
公开(公告)号：CN112966524A
公开(公告)日：2021-06-15
申请号：CN202110323155.9
申请日：2021-03-26
申请人： 湖北工业大学
IPC分类号： G06F40/30 , G06F40/289 , G06F40/211 , G06N3/04 , G06N3/08
摘要： 本发明属于语义匹配技术领域，公开了一种基于多粒度孪生网络的中文句子语义匹配方法及系统，使用Word2Vec获得到预先训练的词向量，通过嵌入层将输入的中文句子序列将被转换为向量表示；其次，进入多粒度编码层分别从字符和单词视角捕捉句子的复杂语义特征；然后，将上一层输出的特征向量，输入语义交互层，进行语义交互；最后，将语义交互结果送入输出层，获得句子语义是否相似的结果。本发明提出来一种新的多粒度编码方式，从字符和单词两个角度捕捉句子中更丰富的语义信息，获得了更多的特征。本发明采用的孪生结构，从理论上减少了参数的数量，使模型获得了更快的训练速度。
-
公开(公告)号：CN110597999A
公开(公告)日：2019-12-20
申请号：CN201910706329.2
申请日：2019-08-01
申请人： 湖北工业大学
摘要： 本发明公开一种依存句法分析关系抽取模型的司法案件知识图谱构建方法。该方法首先对非结构化的裁判文书通过信息抽取技术转换为结构化的数据，然后对其进行分词、词性标注以及命名实体识别处理，接着通过依存句法分析关系抽取模型抽取出实体关系三元组。最后把三元组形式的数据批量导入到Neo4j图数据库，利用Neo4j实现裁判文书知识图谱的构建并对其进行可视化展示。依存句法分析关系抽取模型能有效的抽取出实体之间的关系并适用于不同的大规模语料库，具有较好的移植适用性。裁判文书知识图谱直观明了，能让用户便捷高效地掌握信息，为司法工作提供极大地便利。
-
公开(公告)号：CN110597949A
公开(公告)日：2019-12-20
申请号：CN201910706215.8
申请日：2019-08-01
申请人： 湖北工业大学
IPC分类号： G06F16/33
摘要： 本发明公开一种基于词向量和词频的法院相似案件推荐模型：TF-W2V相似度计算模型。裁判文书分为刑事，民事，执行，赔偿，行政五大案件类型。便于对判决书的处理，存储和查询，模型对提交的判决书提取关键信息，采用Word2Vec+TF-IDF文本相似度算法查找出文书数据中同类型判决书中相似度最高的判决书给出相似度并推荐。本方法基于词频和词向量方法，综合了文本的关键词和词义信息，准确计算两个文本的相似度。将该方法应用于法院判决书进行相似度计算，实验结果证明，该方法应用简单，没有对标注训练集的需求，可以应用于不同领域文本，计算耗费时间适中，获得结果相对传统方法更加准确，与专家评价结果更接近。可以对法院文本进行准确有效的相似度计算。
-
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：CN116542720B
公开(公告)日：2023-09-19
申请号：CN202310817593.X
申请日：2023-07-05
申请人： 湖北工业大学
IPC分类号： G06Q30/0251 , G06N3/0464 , G06N3/08
摘要： 本发明属于序列推荐技术领域，公开了一种基于图卷积网络的时间增强信息序列推荐方法及系统，将物品嵌入矩阵和位置嵌入矩阵进行组合，构造为序列的隐藏层表示；基于时间增强的图卷积网络利用自适应窗口函数构建时间增强用户‑物品图，使用双重窗口函数为每一个用户‑物品交互项分配一个时间权重；构建了基于过滤增强的自注意力层，在自注意力模块之前使用过滤增强层，利用快速傅里叶变换和一个可学习的滤波器来抑制序列嵌入中的含噪信号；聚合经过处理后用户嵌入和物品嵌入，然后为每个用户‑物品对输出得分。本发明能根据用户交互的时间戳信息来动态的捕捉用户的偏好，能有效的提取交互序列中的相对时间特征，大大降低了噪声物品的负面影响。
-
公开(公告)号：CN115936077B
公开(公告)日：2023-09-15
申请号：CN202211730845.7
申请日：2022-12-30
申请人： 湖北工业大学
IPC分类号： G06N3/048 , G06N3/0442 , G06N3/0464
摘要： 本发明公开了基于依赖树的方面级情感分析交互卷积网络，包括输入编码层，其特征在于，还包括注意力层、依赖树层、图卷积层、交互网络层、以及输出层，所述图卷积层，用于根据句法结构图表示和句子隐藏状态向量表示的自注意力分数，利用Att‑GCN模型计算输出；交互网络层，用于输入Att‑GCN模型的输出，并进行交互操作；计算最终方面词表示的输出；计算输出#imgabs0#和输出#imgabs1#输出层根据#imgabs2#和#imgabs3#进行拼接操作，再进行分类获得分类概率。本发明使用交互网络层，减少因为卷积导致的信息丢失的影响。同时，让分散的句子信息更加的集中。
-
公开(公告)号：CN116401380B
公开(公告)日：2023-08-11
申请号：CN202310666408.1
申请日：2023-06-07
申请人： 湖北工业大学
摘要： 本发明属于知识表示与推理技术领域，公开了一种基于面向异构知识图谱的对比学习预测方法及系统，包括多关系图神经网络层；对比学习层；类比推理层；输出层；本发明提出了一种新颖的面向多关系学习的对比链路预测模型，采用层次化的注意力机制选择有用的关系路径和邻居有选择性的聚合实体周围的上下文信息，从而提高预测准确性。为了更好地捕捉实体在不同上下文中的表示，模型引入了模式增强技术，将知识图谱中实体之间的关系与其所属的模式结合来获取实体在不同语义环境下的表达。另外，为了预测部分不完全的三元组，模型还引入了类比对象检索器来增强类比推理能力。实验结果表明，该模型在多个数据集上表现出优异的性能。
-
公开(公告)号：CN112800776B
公开(公告)日：2023-04-18
申请号：CN202110261757.6
申请日：2021-03-10
申请人： 湖北工业大学
IPC分类号： G06F40/30 , G06F21/60 , G06F40/242 , G06F40/289 , G06F18/22 , G06F18/2415 , G06N3/047 , G06N3/049 , G06N3/045 , G06N3/08
摘要： 本发明属于关系抽取技术领域，公开了一种双向GRU关系抽取数据处理方法、系统、终端、介质，对基准数据集SemEval‑2010Task 8进行预处理；通过EMLo预训练模型对语料进行词向量化；通过多头注意力机制对词向量进行初步去噪处理；使用Bi‑GRU网络对词向量进行编码，得到包含句子中上下文信息的隐藏层向量；将隐藏层向量作为输入，传递至关键词注意力层中，通过将隐藏层输出结合实体对相对位置特征以及实体隐藏相似度特征，计算出注意力权重；将经过注意力机制处理过的隐藏层向量输入至分类层，得到最终的关系抽取结果。实验结果表明，本发明提出的模型在没有任何其他NLP工具的情况下达到最先进的性能。
-
公开(公告)号：CN112966524B
公开(公告)日：2024-01-26
申请号：CN202110323155.9
申请日：2021-03-26
申请人： 湖北工业大学
IPC分类号： G06F40/30 , G06F40/289 , G06F40/211 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明属于语义匹配技术领域，公开了一种基于多粒度孪生网络的中文句子语义匹配方法及系统，使用Word2Vec获得到预先训练的词向量，通过嵌入层将输入的中文句子序列将被转换为向量表示；其次，进入多粒度编码层分别从字符和单词视角捕捉句子的复杂语义特征；然后，将上一层输出的特征向量，输入语义交互层，进行语义交互；最后，将语义交互结果送入输出层，获得句子语义是否相似的结果。本发明提出来一种新的多粒度编码方式，从字符和单词两个角度(56)对比文件杨慧敏.基于交互孪生网络的复合对话模型.中国优秀硕士学位论文全文数据库.2021,第I138-2992页.程淑玉;郭泽颖;刘威;印鉴.融合Attention多粒度句子交互自然语言推理研究.小型微型计算机系统.2019,(06),第81-86页.赵源.基于孪生网络的中文语义匹配算法研究.中国优秀硕士论文电子期刊网.2021,第I138-2511页.
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.03 秒)
