-
公开(公告)号：CN112199511A
公开(公告)日：2021-01-08
申请号：CN202011044895.0
申请日：2020-09-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F16/36 , G06F40/49 , G06F40/58 , G06F40/295 , G06F16/35
Abstract: 本发明公开的一种跨语言多来源垂直领域知识图谱构建方法，涉及知识工程技术领域。本发明通过下述技术方案实现：垂直领域翻译根据输入的跨语言文本、领域词典、领域术语库、领域素材和数据，通过内容和链接分析完成平行语料库构建，在预处理的基础上基于训练好的翻译模型实现外文文本的自动翻译；领域知识预标注训练实现基于文本分词、文本聚类的主动学习标注，完成基于分析主题的待标注语料筛选，生成确认后的业务标注数据集；选择最优算法，结合垂直领域翻译数据和实际场景完成语义特征提取和基于深度学习的实体关系抽取；领域知识融合与消歧对不同来源知识，通过网络等价实体合并进行融合消歧，获得跨语言多来源垂直领域知识图谱。
-
Patent Agency Ranking
公开(公告)号：CN112199511B
公开(公告)日：2022-07-08
申请号：CN202011044895.0
申请日：2020-09-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
IPC: G06F16/36 , G06F40/49 , G06F40/58 , G06F40/295 , G06F16/35
Abstract: 本发明公开的一种跨语言多来源垂直领域知识图谱构建方法，涉及知识工程技术领域。本发明通过下述技术方案实现：垂直领域翻译根据输入的跨语言文本、领域词典、领域术语库、领域素材和数据，通过内容和链接分析完成平行语料库构建，在预处理的基础上基于训练好的翻译模型实现外文文本的自动翻译；领域知识预标注训练实现基于文本分词、文本聚类的主动学习标注，完成基于分析主题的待标注语料筛选，生成确认后的业务标注数据集；选择最优算法，结合垂直领域翻译数据和实际场景完成语义特征提取和基于深度学习的实体关系抽取；领域知识融合与消歧对不同来源知识，通过网络等价实体合并进行融合消歧，获得跨语言多来源垂直领域知识图谱。
-
公开(公告)号：CN112101536A
公开(公告)日：2020-12-18
申请号：CN202010891060.2
申请日：2020-08-30
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种轻量级分布式多任务协同框架，旨在提供一种训练效率高，迭代计算量小的多任务协同框架。本发明通过下述技术方案予以实现：以多机轻量级方式构建分布式神经网络训练框架，用户通过接口对框架进行数据读写和运行控制，各对象将自身的描述信息写入对象信息记录数据库，将自身的运行状态信息写入对象状态记录数据库；对象信息记录数据库、对象状态记录数据库相互之间通过RESTful接口进行通信和协同控制；启动任务对象描述的训练任务，调度工厂对象生成一个班长对象，从对象信息记录数据库中再次读取任务对象的描述信息，调度工厂对象生成多个工人对象，班长对象调度生成的多个工人对象分布式协同完成任务对象描述的训练任务。
-
公开(公告)号：CN112200317B
公开(公告)日：2024-05-07
申请号：CN202011043062.2
申请日：2020-09-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种多模态知识图谱构建方法，涉及大数据领域知识工程技术，本发明通过下述技术方案予以实现：首先基于多模态数据特征表示模型提取多模态数据语义特征，构建基于预训练模型的文本、图像、音视频等数据特征提取模型，分别完成单模态数据语义特征提取；其次，基于无监督图、属性图、异构图嵌入等方式，将不同类型数据投射到同一向量空间中进行表示，实现跨模态的多模态知识表示；在上述工作的基础上，将需要进行融合对齐的两个图谱分别转化为向量表示形式，然后基于得到的多模态知识表示，根据先验对齐数据学习知识图谱间实体对的映射关系，完成多模态知识融合消歧，解码映射到知识图谱中的相应节点，生成融合后新图谱、实体及其属性。
-
公开(公告)号：CN112200317A
公开(公告)日：2021-01-08
申请号：CN202011043062.2
申请日：2020-09-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种多模态知识图谱构建方法，涉及大数据领域知识工程技术，本发明通过下述技术方案予以实现：首先基于多模态数据特征表示模型提取多模态数据语义特征，构建基于预训练模型的文本、图像、音视频等数据特征提取模型，分别完成单模态数据语义特征提取；其次，基于无监督图、属性图、异构图嵌入等方式，将不同类型数据投射到同一向量空间中进行表示，实现跨模态的多模态知识表示；在上述工作的基础上，将需要进行融合对齐的两个图谱分别转化为向量表示形式，然后基于得到的多模态知识表示，根据先验对齐数据学习知识图谱间实体对的映射关系，完成多模态知识融合消歧，解码映射到知识图谱中的相应节点，生成融合后新图谱、实体及其属性。
-
公开(公告)号：CN110046742A
公开(公告)日：2019-07-23
申请号：CN201910150281.1
申请日：2019-02-28
Applicant: 西南电子技术研究所(中国电子科技集团公司第十研究所)
Abstract: 本发明公开的一种感知流体在可行路径上的规划方法，旨在提供一种对环境适应能力强，自动规避不可行路径能力的路径规划方法。本发明通过下述技术方案予以实现：采用区域建模、划分网格、设置边界条件、求解速度矢量场和提取可行路径5个步骤实现，首先基于感知流体进行区域建模；然后将路径规划的可移动区域视为通道网络，对通道网络结构模型划分网格；在通道网络结构模型入口设置边界条件；采用有限体积法求解虚拟感知流体在通道网络结构模型中流动的质量守恒方程和动量守恒方程，获得速度矢量场，提取可行路径，从通道入口开始向着通道出口方向逐一连接速度矢量，获取起始点到终止点的可行路径。
-
-
-
-
-
Search Results
6
records
(took 0.052 seconds)
