面向金融领域的混合因果关系提取方法，包括：步骤1：扩充训练语句、训练模型；步骤2：提取中心词；步骤3：查中心词表；步骤4：以中心词为界划分句子为两边，再进行相应的句子预处理，删去多余的句子；步骤5：矫正中心词位置；步骤6：分类型进行因果识别；步骤7：模型调优。本发明还包括面向金融领域的混合因果关系提取系统。本发明以金融领域的因果语料作为训练集训练模型，同时建立中心词库，实现面向金融领域的文本的混合因果关系的提取，对指导事件溯因、问答、把握行业动态等方面提供一定支持。
📄 2021107191885
📂 G06N5_025
👤 浙江工业大学
📅 2021-06-28
基于任务相关网络的小样本汽车产业链知识图谱补全方法，首先从汽车产业链知识图谱中捕获一跳邻居的任务相关信息，对任务实体进行向量嵌入，然后获取头尾实体之间的自注意力信息，最后通过一个任务相关网络对参考集建模，获取细颗粒度语义的、任务相关的关系向量嵌入，通过计算头实体、关系和尾实体在残缺三元组中距离评分，得到汽车产业链知识图谱补全结果。本发明考虑了汽车产业链知识图谱的结构信息和任务相关信息，在小样本的背景下，准确性较高，补全效果好。
📄 2023106076677
📂 G06N5_025
👤 浙江工业大学
📅 2023-05-26
一种用于低标注工业语料的知识图谱构建的关系抽取方法，首先，结合工业文本数据的上下文信息构建动态提示模板，引入语义协同机制增强模板标记间的语义关联；其次，结合特征对齐机制和分阶段课程学习，使模型能够逐步适应难度递增的多任务设置以及增强模型对语义差异的判别能力；最后，计算关系表征与标签表示的匹配概率，并通过交叉熵损失优化模型，预测最可能的关系类型。本发明充分利用了工业文本数据上下文的语义，结合分阶段的课程学习策略，使模型能够逐步适应关系抽取任务的复杂性，对标注数据规模要求低，关系抽取准确性高。
📄 202510779151X
📂 G06N5_022
👤 浙江工业大学之江学院
📅 2025-06-12
本发明公开了一种基于多种实体关系的在线课程推荐方法，获取在线课程平台中各实体的数据，从各实体的数据中提取各实体关系，采用标准化来预处理各实体关系得到各实体关系权重，从各实体的数据中获得用户实体和课程概念实体的内容特征，得到不同元路径下的实体表示，最后结合用户实体表示和课程概念实体表示，最终输出用户对每个课程的评分矩阵，然后根据评分矩阵，从大到小排序，向用户推荐课程。本发明有效利用了不同实体关系之间丰富的信息，降低了数据稀疏性的问题，提高了预测的准确率。
📄 2021100536926
📂 G06N5_02
👤 浙江工业大学
📅 2021-01-15
本发明公开了一种基于知识图谱的容器镜像仓库风险预测方法，包括：构建基础的容器镜像知识图谱；补充软件知识及漏洞知识，完成最终的容器镜像知识图谱构建；基于容器镜像知识图谱的镜像层、软件层和漏洞层，量化镜像范围得到待预测的容器镜像仓库中镜像对应的漏洞集，量化漏洞范围得到待预测的容器镜像仓库中受特定漏洞影响的镜像集；根据漏洞集、镜像集以及镜像下载量，输出待预测的容器镜像仓库的风险预测结果。本发明有助于提高容器镜像仓库的总体安全防护水平，有效降低容器技术在实践中的安全风险。
📄 2023105942770
📂 G06N5_02
👤 浙江工业大学
📅 2023-05-23
本申请提供一种趋势推理深度知识追踪方法及系统，包括：获取目标对象的历史练习交互序列，所述历史练习交互序列用于表征不同时间节点下不同习题的作答情况；将所述历史练习交互序列输入趋势推理模型，得到所述目标对象的知识变化向量，所述知识变化向量用于表征目标对象的知识变化过程，所述趋势推理模型是基于所述历史练习交互序列生成的伪交互信息与所述历史练习交互序列对应的真实交互信息进行博弈搭建的；根据所述知识变化向量、所述历史练习交互序列对应的习题向量以及各习题的交互时间预测所述目标对象针对目标习题的知识状态。本申请引入时间信息，可关注知识状态随时间的变化特征，有效提高知识状态预测的准确性。
📄 2023104756159
📂 G06N5_022
👤 西南大学
📅 2023-04-27
本发明公开了一种基于向量运算的关联规则挖掘方法，包括以下步骤：定义对象和属性的向量表示，约定对象向量和属性向量的运算规则，用于计算属性集上的向量基；根据向量基计算生成属性集上的向量；根据所述属性集上的向量计算属性集上的任一向量的支持度；设定向量基的支持度阈值，筛选出大于支持度阈值条件的向量；根据预先设定的可信度阈值，在所述大于支持度阈值条件的向量中挖掘满足条件的属性关联规则。本发明的基于向量运算的属性关联规则挖掘方法，利用向量基生成属性集上的向量拓扑，避免了生成频繁闭项集的幂集，因而避免了在属性集的幂集中运算，以及属性关联规则的重复生成问题，提高了计算效率。
📄 2015107293328
📂 G06N5_02
👤 西华大学
📅 2015-10-30
本发明涉及的是融合数据元标准的叙词本体构建方法，具体为：一、依据数据元标准，将原有叙词表中的叙词划分为对象类叙词、特性类叙词、数据元概念类叙词；二、将对象类叙词标注为Object，将特性类叙词标注为Property；数据元概念类叙词标注为DEC；三、将标注过的对象类叙词、特性类叙词及数据元概念类叙词注册到MDR中；四、将叙词表中叙词间存在的词间关系注册到MDR中；五、MDR概念元模型到本体模型的映射；六、MDR数据描述元模型到本体模型的映射；七、依据MDR概念元模型到本体模型的映射方法、MDR数据描述元模型到本体模型的映射方法构建叙词本体。本发明能为叙词本体的构建提供通用的标准化方法和流程。
📄 2018112047257
📂 G06N5_02
👤 大庆云腾盛景科技有限公司
📅 2018-10-16
本发明涉及一种基于自编码器和奇异值阈值的土壤湿度数据重构方法，包括：从卫星遥感土壤湿度数据集中选择训练集训练自编码器；采用训练后的自编码器处理地面站点土壤湿度数据；对训练后的站点土壤湿度数据进行降秩处理以获得待重构数据；采用奇异值阈值算法对所述待重构数据进行重构以获得完整的土壤湿度数据。本发明还涉及一种计算机可读存储介质。实施本发明的基于自编码器和奇异值阈值的土壤湿度数据重构方法和计算机可读存储介质，可以精准地重构回完整的土壤湿度数据，并且可以很好的反映温度场数据的整体变化规律。
📄 2020114644353
📂 G06N5_02
👤 华东交通大学
📅 2020-12-09
本发明实施例提供一种事件日志简化方法、装置、设备和存储介质，涉及数据简化技术领域。其中，这种事件日志简化方法包括S1获取原始事件日志。S2根据原始事件日志挖掘流程模型。S3获取流程模型中的目标预测点。S4根据子网结构识别流程模型中的可简化子结构集合。S5根据可简化子结构集合分别对原始事件日志进行简化，获取简化事件日志集合。S6在目标预测点处，以剩余时间为目标，根据简化事件日志集合，分别为每个简化事件日志构建预测模型，并获取预测剩余时间集合。S7根据原始事件日志获取真实剩余时间,并计算得预测误差集合。S8根据预测误差集合筛选可简化子结构，获取化简结构集合。S9根据化简结构集合简化原始事件日志中，获取最终简化日志。
📄 2022104782144
📂 G06N5_02
👤 华侨大学
📅 2022-05-05
本发明公开了一种基于多视图和图增强的异构知识图谱实体对齐方法，涉及知识图谱技术领域，包括：对知识图谱的实体、关系、属性及属性值进行向量嵌入表示，获得初始化向量；构建知识图谱的实体邻居邻接矩阵、实体关系邻接矩阵、实体属性邻接矩阵和实体属性值邻接矩阵，并构建实体邻居视图、关系视图、属性视图、属性值视图；将属性视图和属性值视图进行融合，形成属性‑属性值视图；将各个视图集成起来得到知识图谱实体融合嵌入表示；生成增强知识图谱，并获得增强知识图谱的实体融合嵌入表示；获得异构知识图谱实体对齐模型。本发明使用多视图以更好地捕获知识图谱上的所有信息，并用图增强技术降低数据噪声和错误，提高实体对齐的准确性。
📄 2024112034341
📂 G06N5_022
👤 华侨大学
📅 2024-08-30
本发明公开了结合图论的智能客服知识库优化方法及系统，涉及自然语言处理相关技术领域，该方法包括：建立与智能客服知识库的数字通信，建立节点集；以节点集作为匹配主体，进行附加信息匹配；将智能客服知识库和附加信息集输入至关系分析模型，建立节点关联；基于节点关联和节点集建立初始知识图谱；获取节点集访问数据，进行关键节点提取，并更新为强化知识图谱；依据更新评价结果更新强化知识图谱。解决了现有客服知识库存在的信息分散、结构不清晰、更新不及时，导致难以高效精准的找到关键信息，进而影响服务效率和质量的技术问题，实现知识库的系统化、结构化，达到了提升知识库信息检索的准确性和时效性的技术效果。
📄 2024106946010
📂 G06N5_022
👤 南通话时代信息科技有限公司
📅 2024-05-31
柿子坊 · 知识产权运营
柿子坊知识产权运营平台