-
公开(公告)号：CN112418302A
公开(公告)日：2021-02-26
申请号：CN202011307325.6
申请日：2020-11-20
申请人： 清华大学 , 腾讯科技(深圳)有限公司
IPC分类号： G06K9/62
摘要： 本申请公开一种任务预测方法及装置；本申请与人工智能的机器学习领域相关，可以获取预设任务的至少两个模态的样本数据、以及至少两个模态的样本数据的样本标签；通过多模态网络对样本数据进行特征提取，得到每个模态的样本数据对应的特征向量；通过多模态网络基于特征向量，确定预设任务的任务预测结果；获取预设任务的至少两个模态的相似度；基于相似度、任务预测结果以及样本标签，对多模态网络进行训练，以通过训练后的多模态网络进行任务预测；本申请可以提升多模态任务预测的准确率。
-
公开(公告)号：CN114758729A
公开(公告)日：2022-07-15
申请号：CN202110031384.3
申请日：2021-01-11
申请人： 腾讯科技(深圳)有限公司 , 清华大学
摘要： 本申请公开了一种属性预测模型的训练方法、属性预测方法、装置及设备，涉及化学分子属性预测领域。该方法包括：获取第一组样本数据，第一组样本数据包括第一化学物质和第一化学物质的结构标签，结构标签用于描述化学物质中的原子结构；基于第一组样本数据训练得到预训练模型，预训练模型用于根据输入的化学物质输出化学物质的结构标签；获取第二组样本数据，第二组样本数据包括第二化学物质和第二化学物质的属性标签，属性标签用于描述化学物质的性质；基于第二组样本数据和预训练模型训练得到属性预测模型，属性预测模型用于根据输入的化学物质输出化学物质的属性标签。该方法可以减少训练属性预测模型所需的有标签数据量。
-
公开(公告)号：CN110659723B
公开(公告)日：2023-09-19
申请号：CN201910825937.5
申请日：2019-09-03
申请人： 腾讯科技(深圳)有限公司
摘要： 本公开提供了一种基于人工智能的数据处理方法、装置及系统，涉及人工智能领域。该方法包括：获取图结构，所述图结构包含多个节点；对各所述节点对应的各级子节点分别进行特征提取，以获得与所述图结构对应的各级图节点信息；根据所述图结构对应的原始特征和所述各级图节点信息确定与所述图结构对应的表征信息。本公开的技术方案减弱了过拟合和过平滑对图神经网络模型性能的影响，提升了图神经网络模型的性能，并进一步提升了图神经网络的预测性能。
-
公开(公告)号：CN111027681B
公开(公告)日：2023-06-27
申请号：CN201911252467.4
申请日：2019-12-09
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/084 , G06F40/194 , G06F40/289 , G06F16/33
摘要： 本发明提供了一种时序数据处理模型训练方法，包括：获取训练样本集合，通过时序数据处理模型对训练样本集合进行处理，以确定时序数据处理模型的初始参数；通过时序数据处理模型的输出结果和所述时序数据处理模型的时序特征提取网络的动态时间规整处理结果对时序数据处理模型进行处理，确定时序数据处理模型的更新参数；根据时序数据处理模型的更新参数，通过训练样本集合对所述时序数据处理模型的编码器网络参数和解码器网络参数进行迭代更新。发明还提供了时序数据处理方法、装置及存储介质。本发明能够使得时序数据处理模型的泛化能力更强，提升时序数据处理模型的训练精度与训练速度，提升对时序数据处理的准确性与可读性。
-
公开(公告)号：CN110097472B
公开(公告)日：2022-12-27
申请号：CN201910383592.2
申请日：2019-05-08
申请人： 腾讯科技(深圳)有限公司
摘要： 本发明实施例提供了一种社团属性识别方法及相关设备，所述方法包括：获取第一社团的各个成员之间的关联关系信息和各个成员的特征信息；根据关联关系信息确定与第一社团中各个成员有关联关系的成员，并分别将与第一社团中各个成员有关联关系的成员的特征信息进行融合，生成第一社团中各个成员对应的特征融合信息；根据特征融合信息，评估第一社团中各个成员的重要程度，生成第一社团中各个成员的重要程度信息；将各个成员对应的特征融合信息，按照各自的重要程度信息进行加权融合，生成第一社团中全部成员的加权特征融合信息；根据第一社团中全部成员的加权特征融合信息，确定第一社团的社团属性。通过本发明可以提高社团属性识别的有效性。
-
公开(公告)号：CN115206457A
公开(公告)日：2022-10-18
申请号：CN202210871893.1
申请日：2022-07-22
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请实施例提供一种三维分子结构生成方法、装置、设备及存储介质，至少应用于人工智能领域和药物合成领域，其中，方法包括：获取当前时间步下的原子类型噪音和原子坐标噪音；基于所述原子类型噪音构建全连接邻接矩阵；对所述原子类型噪音、所述原子坐标噪音和所述全连接邻接矩阵进行三维等变处理，得到所述当前时间步下的分子结构分布平均值；基于所述当前时间步下的分子结构分布平均值，对所述分子的分子结构进行迭代生成，得到所述分子的分子表示；通过所述分子表示构建所述三维分子结构。通过本申请，能够加速三维分子结构生成的效率并避免了累计错误，从而准确的生成有效分子的三维分子结构。
-
公开(公告)号：CN115114485A
公开(公告)日：2022-09-27
申请号：CN202210557942.4
申请日：2022-05-19
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/901 , G06F17/18
摘要： 本申请提供了一种超图结构的处理方法、装置、设备、存储介质及程序产品；方法包括：在由多个顶点及用于连接顶点的多条超边所构成的超图结构中，确定起始游走顶点、及与起始游走顶点连接的至少一条第一相邻超边；分别获取各第一相邻超边对应起始游走顶点的第一顶点权重，并确定各第一相邻超边所连接顶点的数量；确定各第一相邻超边的边游走概率；确定第一相邻超边上的每个顶点的顶点游走概率，并基于边游走概率和顶点游走概率，确定在起始游走顶点游走的过程中，超图结构中每个顶点所对应对象、与起始游走顶点所关联超边对应的关联对象存在事务关系的概率。通过本申请，能够有效提高所提取的对象间事务关系的细粒度。
-
公开(公告)号：CN114724636A
公开(公告)日：2022-07-08
申请号：CN202210289120.2
申请日：2022-03-22
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请公开了一种蛋白质超图的构建方法、一种蛋白质超图的构建装置、介质、设备及程序产品。可应用于蛋白质表示学习领域。该方法包括：根据蛋白质包含的所有氨基酸之间的空间关系构建多条结构超边，以得到蛋白质的第一超边集，结构超边包含多个氨基酸；获取每个氨基酸的氨基酸特征，并根据氨基酸特征构建每个氨基酸的顶点特征向量，以得到蛋白质的顶点特征集；根据第一超边集和顶点特征集确定蛋白质超图。本申请的方法可使得生成的蛋白质超图可以较好地表示蛋白质中的高阶信息。
-
公开(公告)号：CN110442758B
公开(公告)日：2022-05-06
申请号：CN201910667549.9
申请日：2019-07-23
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/903 , G06F16/901 , G06N3/08
摘要： 本发明实施例公开了一种图对齐方法、装置和存储介质，其中，通过获取需要对齐的源域图和目标域图；对源域图进行无监督学习得到源域节点特征集合，以及对目标域图进行无监督学习得到目标域节点特征集合；构建生成对抗网络，生成对抗网络，并对生成对抗网络进行训练；根据训练后的生成对抗网络中的生成器预测源域图和目标域图之间的锚链接，并根据锚链接所对应的源域节点特征和目标域节点特征优化训练后的生成器，得到优化后的生成器；根据优化后的生成器将源域图中的源域节点与目标域图中的目标域节点对齐。由此，实现了无监督条件下的图对齐，摆脱了现有技术中对标注数据的依赖，不仅降低了实现图对齐的人力成本，还提高了图对齐的效率。
-
公开(公告)号：CN114358111A
公开(公告)日：2022-04-15
申请号：CN202111296472.2
申请日：2021-11-03
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请提供了一种对象聚类模型的获取方法、对象聚类方法及装置，涉及图数据处理技术领域，该方法包括：对于每个样本图数据包括的每个样本节点，以每个样本节点的原始特征向量和每个样本节点的邻居节点集合为对象聚类模型的输入，输出每个样本图数据的更新隐藏特征表示，根据每个样本图数据的更新隐藏特征表示、c个待学习聚类中心的均值向量、c个真实聚类中心的均值向量和每个样本图数据的图类别标签，计算共识损失函数，反向传播调整对象聚类模型的模型参数，以得到优化共识损失函数，根据与优化共识损失函数对应的对象聚类模型的目标模型参数，得到对象聚类模型。通过该方法得到的对象聚类模型可提高对象聚类的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.054 秒)
