本发明涉及知识图谱补全任务技术领域,具体指一种知识图谱链路预测方法,包括:利用预编码模型得到嵌入层向量,并构建对应掩码三元组;对掩码三元组中各元素加上对应位置编码,得到对应输入序列,并将其输入至训练好的主掩码模型中,输出对应实体分类概率;根据实体分类概率,预测潜在可能实体;还包括:将嵌入层向量对应语义信息与嵌入模型对应结构信息拼接,得到融合后的头实体与关系表达,并构建对应融合掩码三元组;对融合掩码三元组中各元素加上对应位置编码,得到对应融合输入序列;本发明使用预编码方法,有效减轻模型的训练压力,提高模型的推理速度;并在输入主掩码模型前使用融合模块,保证了文本描述信息的完整性,提高了预测精确度。
📄 202410358013X
📂 G06N5_022
👤 江南大学
📅 2024-03-27
本发明涉及知识图谱嵌入技术领域,尤其是指一种一阶向量与二阶多向量联合训练的时态知识图谱嵌入方法及装置。所述方法使用一阶向量与二阶多向量联合训练的时态知识图谱嵌入模型补全时态知识图谱,包括:将待嵌入实体的四元组输入模型初始化为嵌入向量,输入评分函数;评分函数输出每个实体与待嵌入实体的四元组中关系的评分数值;所述评分函数中的一阶向量嵌入评分函数使用一阶克利福德代数处理四元组中关系与时间,二阶多向量嵌入评分函数使用二阶克利福德代数处理四元组中关系与时间;选择评分数值最高的实体嵌入四元组,完成时态知识图谱的补全。本发明使用的评分函数增强了关系对时间的敏感性,提高了时态知识图谱中实体预测结果的准确性。
📄 2023113837418
📂 G06N5_022
👤 江南大学
📅 2023-10-24
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。
📄 202610369540X
📂 G06N5_022
👤 中国计量大学
📅 2026-03-25
一种融合时序知识图谱的机电设备预测性维护方法,属于机电设备预测性维护领域,模型专门针对机电设备运维时序知识图谱进行推理,实现预测性维护;首先获取机电设备的并行结构信息学习用于节点分类的信息节点表示,并为每个相关的节点生成特征向量;然后从向量序列中捕获机电设备运行的时间演化信息,最后输出隐藏状态向量参与条件强度函数的构建,并基于强度函数实现时序知识图谱的预测,以完成对机电设备预测性维护任务。本发明有效实现机电设备预测性维护。
📄 2024114802069
📂 G06N5_022
👤 中国计量大学
📅 2024-10-23
本发明个案图谱更新方法及系统包括:扫描案件基本信息库,其中已存在的案件基本信息发生变更或有新的案件基本信息产生时,判断是否需对该个案图谱更新,若是则对该个案图谱中的案件基本信息进行更新;扫描行为图谱库,其中有新行为图谱产生时,判断该个案图谱中实体/三元组是否与该新行为图谱关联,若是则利用该新行为图谱对该个案图谱更新,其中已存在行为图谱发生变更时,判断该个案图谱是否需要更新,若是则利用该已发生变更的行为图谱对该个案图谱更新;扫描案由模版库,其中该个案图谱所用的案由模版发生变更时,基于已变更案由模版重建个案图谱,重新从所有行为图谱中抽取信息填充重建的个案图谱以重新生成该个案的个案图谱。
📄 2023114029663
📂 G06N5_022
👤 上海峻思寰宇数据科技有限公司
📅 2023-10-26
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
本发明公开了一种基于知识模型的自适应学习方法、系统及存储介质,所述方法包括:采集初始学习数据并存储至学习资源数据库后,进行本体术语提取和标注,通过本体编辑器构建知识模型;根据学习者在学习系统中的前测结果,初始化学习者的知识空间;实时更新录入学习者的学习过程状态数据,通过DKT算法对学习过程状态数据进行多知识点的DKT模型建模,反馈学习者各知识点的掌握状态,动态更新学习者的知识空间;自适应引擎根据学习者的知识空间与知识模型进行比对,匹配学习者对应的学习路径,推送学习路径链接至学习者。本发明通过基于知识模型的深度学习跟踪DKT,有效进行多知识点建模,精准掌握和更新学习者最新的知识状态,匹配对应的学习路径。
📄 2019111311401
📂 G06N5_022
👤 广东宜学通教育科技有限公司
📅 2019-11-18
本发明公开了面向皮肤肿瘤图像分类的特征增强协作关系知识蒸馏方法,涉及图像识别技术领域,该方法包括以下步骤:获取图像样本数据及标签数据;构建知识蒸馏网络模型;构建样本特征提取模块;构建增强的特征;构建在线类间样本特征关系蒸馏;构建自适应蒸馏;构建总损失函数;训练学生网络模型;即使用步骤七计算得到的总损失函数训练学生网络模型,并反向传播,更新学生网络模型的参数,得到训练的学生网络模型;皮肤肿瘤图像实时分类。本发明应用于皮肤肿瘤图像识别与分类,不需要预训练教师,使用在线学生网络进行训练,节省蒸馏的时间、计算和存储成本。
📄 202410559104X
📂 G06N5_022
👤 江苏大学
📅 2024-05-08
本发明涉及一种基于深度学习网络的干扰知识库构建方法,属于干扰识别技术领域,包括以下步骤:S1:分析干扰信号在复杂场景中的特点,通信终端设备周围环境中不同种类的干扰信号给出不同的干扰抑制策略;S2:构建干扰知识库离线训练模块:基于场景分析,利用原始干扰数据来建立初始知识库并训练深度学习网络,得到具有在线识别能力的干扰识别模型;S3:构建干扰知识库在线学习模块:将实时采集的干扰数据经模块识别后所得到的特征数据集与初始数据库进行匹配,若为新的数据集,则进行在线更新知识库,即得到具备在线学习能力的干扰知识库构建模块。
📄 2023102735707
📂 G06N5_022
👤 重庆邮电大学
📅 2023-03-20