专利交易市场

一种基于时序知识图谱和深度学习的电梯健康评估方法，属于电梯系统健康管理领域，首先构建并动态更新电梯故障时序知识图谱，通过采集电梯的结构化运行数据与非结构化维保文本，经预处理后分别提取实体与关系，在图数据库中构建融合时间信息的四元组时序知识图谱；其次基于时序知识图谱实现电梯健康状态的精准评估，采用时序DistMult方法对图谱进行嵌入表示，生成融合时空信息的向量序列；通过双向门控循环单元提取时序依赖特征，并结合时间步注意力与通道注意力机制，动态聚焦关键退化信息与特征维度；最后设计残差多层感知机分类器对融合特征进行健康等级分类，引入增量微调机制，输出电梯各健康等级的概率评估结果。本发明提高准确性。

本发明属于人机交互对话系统领域，具体涉及一种基于时序知识图谱的人机对话兴趣感知方法；该方法包括：获取用户输入内容和机器人对话库数据；根据用户输入内容和对话库数据得到至少两个候选回复；将用户输入内容和候选回复输入到采用基于时序知识图谱的人机对话兴趣感知模型中，得到用户对所有候选回复感兴趣的概率，选择概率最高的候选回复作为机器人的回复内容；本发明既考虑了人机交互过程中外部知识，又考虑了用户兴趣偏好，解决了当前人机交互系统存在机器人背景知识缺乏、用户在对话过程中兴趣度不高的问题，使人机对话更自然，具有广阔的应用前景。

本发明提供一种多跳时序知识图谱问答方法及系统，涉及计算机科学领域。该多跳时序知识图谱问答方法，本方法通过三个阶段实现：一，使用Tempor‑hard方法对时序知识图谱问答数据集进行处理，获取问题的时间信息，并通过预训练语言模型获取语义矩阵。借助attention pooling和TComplEx嵌入等技术，对问题进行编码，获得问题的上下文表示。二，通过上下文相关性解析模块选取主题实体和候选动作，提高准确度。三，构建强化学习网络，引入动态实体编码和时空特征融合模块以增强推理能力，并使用先验分布对奖励进行时间感知塑造。该方法具备强大的语义理解和推理能力，可在信息检索、智能助理等领域提供高效、准确的问答模型，推动智能化技术的发展，提升用户体验。

本发明公开了一种基于辅助监督信号改进时序知识图谱的问答方法，针对时序知识图谱这一任务背景，在NSM推理模块中添加动态时间编码模块体现时序知识图谱的时序信息，并在整个指令模块中对实体表示进行改造，采用相对时间表示，将实体分为静态和动态表示两部分，将这两部分进行拼接来实时更新实体表示。本发明结合了NSM和强化学习算法，通过模拟和跟踪知识图谱中的状态变化和时序关系，实现了对时序知识图谱多跳推理下进行精准和高效的时序知识图谱问答，并相较于其他类型方法体现出对推理路径的可解释性。本发明提供智能、准确和个性化的问答服务，推动人工智能和知识图谱技术的发展与应用，具有广泛的应用前景。