-
公开(公告)号：CN119886145A
公开(公告)日：2025-04-25
申请号：CN202510368680.0
申请日：2025-03-27
Applicant: 山东大学
IPC: G06F40/295 , G06F40/194 , G06N5/022 , G06N3/0442
Abstract: 本发明属于开放知识图谱领域，提供了一种知识图谱实体对齐方法、系统、设备、介质及产品，基于实体的属性三元组获取属性值嵌入向量和属性嵌入向量并拼接，根据每个拼接后的权重聚合所有的拼接结果，获得实体的属性感知嵌入；基于实体的关系三元组获取关系信息编码和邻域信息编码并拼接，根据每个拼接后的权重聚合实体所有的邻居节点，获得实体的关系感知嵌入；利用可学习的融合门控机制对属性感知嵌入和关系感知嵌入进行融合，生成信息增强实体嵌入；根据两个知识图谱中信息增强实体嵌入之间的相似度实现知识图谱的实体对齐。本发明避免信息冗余和冲突，从而提升实体嵌入的表达能力和泛化性能。
-
公开(公告)号：CN119336999A
公开(公告)日：2025-01-21
申请号：CN202411873965.1
申请日：2024-12-19
Applicant: 山东大学
IPC: G06F16/9535 , G06F16/36 , G06F17/16 , G06N3/042 , G06N3/0895
Abstract: 本发明涉及知识推荐技术领域，公开了基于跨模态对比和黎曼双曲几何的知识推荐方法及系统，其中方法包括：获取用户与项目交互二分图；获取基础知识图谱；将所述用户与项目交互二分图与所述基础知识图谱进行结合，得到协同知识图谱；为协同知识图谱中的每个项目设置多模态特征，所述多模态特征，包括：视觉模态特征和文本模态特征；将协同知识图谱和项目的多模态特征，输入到训练后的知识推荐模型中，通过所述训练后的知识推荐模型为用户推荐项目；所述训练后的知识推荐模型，利用跨模态对比学习来进一步挖掘不同模态之间的潜在信息，为推荐任务引入了额外的监督信号。可以为用户推荐用户感兴趣的电影项目或游戏项目。
-
公开(公告)号：CN113360670B
公开(公告)日：2022-06-17
申请号：CN202110643541.6
申请日：2021-06-09
Applicant: 山东大学
Abstract: 本发明提供了一种基于事实上下文的知识图谱补全方法及系统，包括事实信息编码和事实信息融合，事实信息编码的目标是得到事实的向量表示，首先通过门控循环单元来捕获事实中头实体、关系、尾实体的序列依赖，随后利用卷积神经网络来对门控循环单元的输出进行特征提取，从而得到事实的整体向量表示；事实信息融合的目标是将事实信息编码得到的事实特征向量与该事实下的头实体、关系、尾实体各自的特征向量进行融合，通过评分函数对融合事实信息后的实体和关系进行计算，实现知识图谱的补全。本发明能够提高模型在知识图谱补全任务的性能。
-
公开(公告)号：CN113360670A
公开(公告)日：2021-09-07
申请号：CN202110643541.6
申请日：2021-06-09
Applicant: 山东大学
Abstract: 本发明提供了一种基于事实上下文的知识图谱补全方法及系统，包括事实信息编码和事实信息融合，事实信息编码的目标是得到事实的向量表示，首先通过门控循环单元来捕获事实中头实体、关系、尾实体的序列依赖，随后利用卷积神经网络来对门控循环单元的输出进行特征提取，从而得到事实的整体向量表示；事实信息融合的目标是将事实信息编码得到的事实特征向量与该事实下的头实体、关系、尾实体各自的特征向量进行融合，通过评分函数对融合事实信息后的实体和关系进行计算，实现知识图谱的补全。本发明能够提高模型在知识图谱补全任务的性能。
-
公开(公告)号：CN120070010A
公开(公告)日：2025-05-30
申请号：CN202510541169.6
申请日：2025-04-28
Applicant: 山东大学
IPC: G06Q30/0601 , G06F18/22 , G06F18/25 , G06F18/10
Abstract: 本发明公开一种多模态协同推荐方法、系统、设备、介质及程序产品，涉及多模态推荐技术领域，包括：利用大型语言模型对用户画像和商品属性进行特征增强，通过生成更丰富的语义描述获得更加全面和精确的文本模态表示；引入模态参考向量，计算模态特征与模态参考向量间的相似度实现对不同模态重要性的评估，从而过滤模态噪声，构建用户‑商品二部图和基于模态特征的商品‑商品相似度图，从用户‑商品交互和商品‑商品语义关系捕获用户偏好；通过整合差异感知注意力机制和动态模态偏好门控机制，实现对多模态特征的细粒度融合，使得模型能够根据不同场景自适应地调整各个模态的重要性。
-
Patent Agency Ranking
公开(公告)号：CN120067618A
公开(公告)日：2025-05-30
申请号：CN202510541166.2
申请日：2025-04-28
Applicant: 山东大学
IPC: G06F18/21 , G06F18/214 , G06F18/25 , G06N3/0455
Abstract: 本公开提供了一种面向协同特征感知的大模型微调方法及系统，涉及大语言模型微调技术领域，利用不同数据来源组成的多模态数据集，对大模型进行迭代微调，直到微调验证结果满足预设条件，每次迭代为：在上轮微调验证结果的引导下，从多模态数据中筛选文本属性，构建微调提示；利用微调提示，使用低秩适配技术，感知协同特征，对大语言模型进行微调；利用多模态知识迁移，提取多模态数据中的多模态特征，生成微调验证提示；将微调验证提示输入到微调后的大模型中进行推理，生成微调验证结果，微调验证结果不满足预设条件则进行下轮的迭代微调；本发明能提升大模型在特定任务上的性能，并减少训练资源消耗，适用于各类大规模人工智能应用场景。
-
公开(公告)号：CN120068009A
公开(公告)日：2025-05-30
申请号：CN202510553653.0
申请日：2025-04-29
Applicant: 山东大学
Abstract: 本发明公开一种多模态特征融合方法、系统、设备、介质及程序产品，涉及特征融合技术领域，包括：对多模态数据进行编码和语义增强得到多模态原始特征和多模态语义特征；计算原始特征相似度矩阵和语义特征相似度矩阵，且进行稀疏化处理和归一化处理；根据归一化后的原始特征相似度矩阵和语义特征相似度矩阵，聚合原始特征和语义特征，根据用户与商品的交互得到商品集合ID嵌入特征；从商品集合ID嵌入特征中提取模态偏好，结合商品集合原始特征和商品集合语义特征，得到整体的多模态原始特征、多模态语义特征和ID特征，将三者拼接得到多模态融合特征。解决多模态数据的信息冗余和冲突问题，捕捉不同模态特征间的关系，提高融合效果。
-
公开(公告)号：CN117808089B
公开(公告)日：2024-06-11
申请号：CN202410223586.1
申请日：2024-02-29
Applicant: 山东大学
IPC: G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于知识图谱推荐技术领域，本发明提供了一种基于双空间信息聚合的知识图谱推荐方法及系统，根据用户和物品的表征，进行欧式空间和双曲空间的双空间多层次信息聚合，得到多层欧式空间向量和多层双曲空间向量；基于多层欧式空间向量和多层双曲空间向量，进行跨空间对比学习，得到对比损失得分；基于得到的用户和物品各自的向量，进行内积操作，得到预测损失得分；基于所述对比损失得分和预测损失得分，构建混合损失，利用混合损失优化知识图谱推荐模型，实现联合优化；利用联合优化后的知识图谱推荐模型进行知识图谱推荐。本发明考虑到复杂的拓扑结构，将欧式空间建模与双曲空间建模相结合，能够提升推荐结果的准确性和快速性。
-
公开(公告)号：CN119357409A
公开(公告)日：2025-01-24
申请号：CN202411907017.5
申请日：2024-12-24
Applicant: 山东大学
IPC: G06F16/36 , G06F18/214 , G06F18/25 , G06F18/22
Abstract: 本发明涉及论文推荐技术领域，特别是涉及基于双曲空间下跨社区知识图谱的论文推荐方法及系统，对输入的跨社区学术知识图谱，提取出知识图谱每个论文节点的初始结构特征向量和初始文本特征向量，对初始结构特征向量进行层次聚合，对层次聚合结果分别进行相似度聚合和向上聚合，对相似度聚合和向上聚合结果进行特征融合，得到最终的结构特征向量；对初始文本特征向量进行文本聚合操作，得到最终的文本特征向量；对最终的结构和文本特征向量进行拼接操作，得到每个节点的最终特征向量；计算待推荐论文查询任务特征向量，与跨社区学术知识图谱中每个论文节点的特征向量二者之间的相似度，根据相似度，输出论文推荐结果。提高了论文推荐任务的性能。
-
公开(公告)号：CN117808089A
公开(公告)日：2024-04-02
申请号：CN202410223586.1
申请日：2024-02-29
Applicant: 山东大学
IPC: G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于知识图谱推荐技术领域，本发明提供了一种基于双空间信息聚合的知识图谱推荐方法及系统，根据用户和物品的表征，进行欧式空间和双曲空间的双空间多层次信息聚合，得到多层欧式空间向量和多层双曲空间向量；基于多层欧式空间向量和多层双曲空间向量，进行跨空间对比学习，得到对比损失得分；基于得到的用户和物品各自的向量，进行内积操作，得到预测损失得分；基于所述对比损失得分和预测损失得分，构建混合损失，利用混合损失优化知识图谱推荐模型，实现联合优化；利用联合优化后的知识图谱推荐模型进行知识图谱推荐。本发明考虑到复杂的拓扑结构，将欧式空间建模与双曲空间建模相结合，能够提升推荐结果的准确性和快速性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
