-
公开(公告)号:CN119829745A
公开(公告)日:2025-04-15
申请号:CN202510300734.X
申请日:2025-03-14
Applicant: 南京信息工程大学
IPC: G06F16/334 , G06F16/36 , G06F40/194 , G06F40/30 , G06N3/042 , G06N3/08 , G06N5/022
Abstract: 本发明提供了一种基于混合提示调优的文档级关系抽取方法,包括:利用历史文档构建文档级知识图谱模块,获取并处理实体、关系结构信息;设计句子级语义检索增强机制,基于语义相关度匹配并检索上下文信息;提出混合提示调优方法,对大语言模型进行高效参数微调;最后聚合文档级知识图谱和句子级语义检索增强生成SetRAG机制的输出结果进行文档级关系预测。本发明通过将基于图谱的领域知识和基于检索的语义知识相结合,可以有效解决现有文档级关系抽取中难以捕获实体、关系交互信息以及跨句子关系推理困难的问题,同时实现了高效、准确的文档级关系抽取,并在公开测试数据集上取得了显著的性能提升。
-
公开(公告)号:CN119623614B
公开(公告)日:2025-04-18
申请号:CN202510148309.3
申请日:2025-02-11
Applicant: 南京信息工程大学
IPC: G06N5/025 , G06F40/295 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于空间感知依赖图和无损解码的联合信息抽取方法,包括:步骤1,利用预训练的语言模型对输入文本序列进行编码;步骤2,识别出实体和事件触发器;步骤3,将位置信息添加到实体和事件触发器表示中;步骤4,将信息抽取任务构造为图预测模型,实体和事件触发器为图的节点,关系和事件论元为图的边;步骤5,计算节点和边的联合概率分布;步骤6,得到节点和边的标签;步骤7,输入文本,输出文本所含实体、关系、事件触发器、事件论元类别。本发明改进了现有的局部解码策略,采取随机梯度变分推断避免解码过程中同一任务标签之间依赖性的损失,以实现更好的实例标签的全局最优分配。有效提升联合信息抽取的准确性和鲁棒性。
-
公开(公告)号:CN115712720A
公开(公告)日:2023-02-24
申请号:CN202210723816.1
申请日:2022-06-23
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F16/36 , G06F40/205 , G06F40/242 , G06F40/284 , G06F40/295 , G06F40/30 , G06Q50/26
Abstract: 本发明公开了一种基于知识图谱的降雨动态预警方法,属于知识图谱的技术领域和数据挖掘领域,其包括步骤1:通过动态实时多路下载有关区域降雨新闻数据;步骤2:根据步骤1的文本非结构化信息抽取城市地点信息,降雨信息时间等;步骤3:根据步骤2构建时‑空多维知识图谱,并实时去除冗余的降雨信息;步骤4:统计区域地势数据,通过聚类算法将区域地势数据进行动态分类;步骤5:根据步骤4的结果,对分类地区自动生成对应预警信息,标记具体位置并通知相关人员;通过该方法有利于提升整体的气象降雨数据关键词挖掘效率,减少人工标注所带来的时间成本,快速的为专家聚类出组合排列结果,对于降雨情况做出迅速反应。
-
公开(公告)号:CN119623614A
公开(公告)日:2025-03-14
申请号:CN202510148309.3
申请日:2025-02-11
Applicant: 南京信息工程大学
IPC: G06N5/025 , G06F40/295 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于空间感知依赖图和无损解码的联合信息抽取方法,包括:步骤1,利用预训练的语言模型对输入文本序列进行编码;步骤2,识别出实体和事件触发器;步骤3,将位置信息添加到实体和事件触发器表示中;步骤4,将信息抽取任务构造为图预测模型,实体和事件触发器为图的节点,关系和事件论元为图的边;步骤5,计算节点和边的联合概率分布;步骤6,得到节点和边的标签;步骤7,输入文本,输出文本所含实体、关系、事件触发器、事件论元类别。本发明改进了现有的局部解码策略,采取随机梯度变分推断避免解码过程中同一任务标签之间依赖性的损失,以实现更好的实例标签的全局最优分配。有效提升联合信息抽取的准确性和鲁棒性。
-
公开(公告)号:CN117630945A
公开(公告)日:2024-03-01
申请号:CN202311491296.7
申请日:2023-11-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于静止轨道卫星通道数据的雷达反射率数据反演方法,包括:通过几何校正公式对静止轨道卫星通道数据进行投影换算;针对投影换算后的静止轨道卫星通道数据进行预处理操作,并且与雷达反射率数据进行时间与空间匹配得到整合的卫星雷达反射率数据集;构建嵌入注意力机制的U型残差网络模型,使用数据集的训练集进行模型训练,拟合静止轨道卫星通道数据与雷达反射率数据之间的关系;在数据集的验证集上进行评估和超参数调整,最终达到理想效果后保存模型参数;将目标静止轨道卫星通道数据输入到嵌入注意力机制的U型残差网络模型,对雷达反射率数据进行预测。本发明方法能有效提取关键特征并且逐步恢复空间细节。
-
-
-
-