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
本申请涉及数据处理技术领域，具体涉及一种汽车能耗数据可视化方法及系统。该方法包括：采集预设时段内的所有属性值构成属性向量；获取属性向量的孤立树，并基于相关性获取属性的重要程度；基于历史数据中属性出现异常的次数结合每个属性的异常数据与属性所有属性值的差异获取每个属性的关键程度；计算每棵孤立树的节点的均衡差异度，以每个节点距离根节点的距离为权重，对节点均衡差异度和同层节点均衡差异度的差异加权获取孤立树的结构对称性；基于关键程度、重要程度和结构对称性获取孤立树的权值，结合属性向量获取异常程度，并删减向量；之后构建知识图谱实现能耗数据可视化。本申请提升了可视化后汽车能耗知识图谱的可靠性。
📄 2025106750245
📂 G06N5_022
👤 豪派(南通)电子科技有限公司
📅 2025-05-23
本发明公开了一种面向公共安全领域的多源异构数据实体对齐方法，属于数据融合处理领域。其包括以下步骤：获取公共安全领域多个系统基础数据；抽取多源异构数据实体及关系信息；提取实体属性信息为三元组形式；结合第三方知识库，计算实体属性权重大小；对实体属性信息进行词级别和句级别向量训练；获取实体关系邻接矩阵，使用图嵌入模型训练获得实体结构嵌入向量表示；通过实体名称进行初步实体对齐作为对齐种子；在属性权重约束下联合实体结构信息，计算实体相似度，通过SameAs进行相似实体链接。本发明不依赖于已对齐实体对种子，可以根据需求对齐两个或多个系统所需数据，能够实现公共安全领域不同部门、不同场景上数据的融合互通。
📄 2020105873832
📂 G06N5_022
👤 河北工程大学
📅 2020-06-24
本公开涉及一种网络训练方法及装置、图像处理方法及装置。所述网络训练方法包括：将训练集中的样本图像以及所述样本图像的变换图像分别输入第一网络中处理，得到所述样本图像的第一处理结果以及所述变换图像的第二处理结果，所述变换图像是对所述样本图像进行几何变换得到的；将所述样本图像的变换图像输入预训练的第二网络中处理，得到所述变换图像的第三处理结果；根据多个样本图像的标注结果及第一处理结果，所述多个样本图像的变换图像的第二处理结果及第三处理结果，训练所述第一网络。本公开实施例可提高训练后的学生网络的性能。
📄 2020100388192
📂 G06N5_022
👤 北京市商汤科技开发有限公司
📅 2020-01-14
本发明提供了一种知识图谱补全的方法，旨在提升知识图谱补全的精确性与有效性。该方法首先获取并扩展知识图谱的三元组数据，通过生成逆三元组补充数据集。结合多种负样本生成技术提升模型对错误链接的识别能力，利用双文本编码器对三元组中的实体与关系进行文本嵌入学习。提出了可变形自适应注意力模块，对文本特征进行潜在特征捕获。通过计算文本嵌入的余弦相似性得分并添加路径推理增益得分，得到三元组相似性得分。使用具有裕度的信息噪声对比估计损失函数优化文本嵌入，有效提高补全效果。最终，使用训练后的知识图谱补全模型，完成三元组最大相似性匹配。本发明方法能够捕捉复杂的语义关联，增强知识图谱补全的精度和鲁棒性。
📄 2024116513311
📂 G06N5_022
👤 南京信息工程大学
📅 2024-11-19
本发明提供了一种基于动态提示学习和多粒度聚合的多模态知识图谱补全方法，包括以下步骤：步骤1，生成动态提示模板：根据任务需求选择合适的模板结构并使用自适应引导机制动态调整模板结构；步骤2，建立多模态特征编码器，将文本和图像数据转换为用于本模型训练的特征向量；步骤3，多粒度跨模态聚合MCA：将不同模态和不同粒度的特征进行融合；步骤4，设计多任务联合损失函数，优化模型在两个以上多模态任务中的性能并进行训练。本发明方法能够更全面地理解图像内容，从而提高推理准确性。
📄 2025102966630
📂 G06N5_022
👤 南京信息工程大学
📅 2025-03-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台