一种知识图谱多阶推理增强问答方法及计算机可读介质

    公开(公告)号:CN118296115A

    公开(公告)日:2024-07-05

    申请号:CN202410239038.8

    申请日:2024-03-04

    Applicant: 武汉大学

    Inventor: 乐鹏 陈是睿 李皓

    Abstract: 本发明提出了一种知识图谱多阶推理增强问答方法及计算机可读介质。本发明通过大型语言模型进行提取、语义嵌入模型转换,得到用户问题的每个主题实体的语义特征向量;获取大型语言模型的知识图谱,结合知识图谱得到大型语言模型的知识图谱中每个三元组的语义特征向量;通过余弦相似度模型计算以及相似度排序得到,文本生成大模型的知识图谱中排序后多个节点、大型语言模型的知识图谱中排序后多个三元组;进行推理链条的初始化,得到初始的推理链条、推理链条的每个初始实体;构建更新后的推理链条,每个链条的长度增加;使用大型语言模型评估现有推理链条是否有能力回答输入的问题。本发明利用推理链条深入溯源,实现大模型与知识图谱最大化融合。

    一种自然灾害应急路网地图服务方法及系统

    公开(公告)号:CN116539055A

    公开(公告)日:2023-08-04

    申请号:CN202310444764.9

    申请日:2023-04-24

    Applicant: 武汉大学

    Abstract: 本发明公开了一种自然灾害应急路网地图服务方法及系统。方法包括:设计基于动态分段的灾害应急路网组织模型,并基于该模型构建路网数据库;从多源数据中提取灾害信息,存入灾害信息数据库;将提取的灾害信息与构建的路网数据库中的路网数据进行匹配;对完成匹配的受损路段修改道路通行的权重,采用有权最短路径算法给出灾害发生后的应急路径规划方案;对生成的灾害应急路径进行地图可视化。系统包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块。本发明提供的方法和系统,具备高效性、准确性、及时性、多源性等特点,可用于灾害应急路网管理、灾害应急路网地图服务等方面。

    一种区分用户探索性模式和时空重访问模式的POI推荐方法及装置

    公开(公告)号:CN115130018A

    公开(公告)日:2022-09-30

    申请号:CN202210719348.0

    申请日:2022-06-23

    Inventor: 乐鹏 李皓 李尚城

    Abstract: 本发明公开了一种区分用户探索性模式和时空重访问模式的POI推荐方法及装置,其中的方法首先建模了用户在探索性模式下的偏好和用户的时空重访问模式下的偏好,利用时间间隔和空间间隔计算了时空相关性系数,接着分别计算了两种模式下POI候选集中所有POI的评分。然后计算了探索性模式和时空重访问模式的转换概率,最后结合两种模式下POI的评分和两种模式的转换概率计算了最终的POI推荐得分,对最终的POI推荐得分进行排序选择,推荐得分最高的前N个POI。本发明具备高效的POI推荐性能,可服务于网约车、旅行推荐等平台用于提升用户出行体验。

    一种基于多智能体强化学习的订单匹配和车辆重定位方法

    公开(公告)号:CN114970944A

    公开(公告)日:2022-08-30

    申请号:CN202210318631.2

    申请日:2022-03-29

    Applicant: 武汉大学

    Inventor: 乐鹏 徐明月 杨璨

    Abstract: 本发明提出了一种基于多智能体强化学习的订单匹配和车辆重定位方法。本发明通过网约车平台获取多条订单数据和多个网约车司机的历史轨迹点数据;对该数据进行时空划分预处理;根据预处理后的数据构建司机初始分布向量和订单分布变化记录矩阵;构建订单匹配和车辆重定位马尔科夫决策过程;构建订单匹配模型和车辆重定位模型;交替训练订单匹配模型和车辆重定位模型;按照设定次数重复上述步骤,直到模型稳定,得到最终模型。本发明将两个任务建模在同一个马尔科夫决策过程中同时优化两个任务;本发明可以一对一的车辆调度并通过共享权重减少计算量;本发明对城市级别大规模车辆和订单之间的长期时空依赖关系进行建模,缓解网约车供需不平衡。

    基于影像融合框架的高分辨率遥感影像变化检测方法

    公开(公告)号:CN111325771A

    公开(公告)日:2020-06-23

    申请号:CN202010096915.2

    申请日:2020-02-17

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于影像融合框架的高分辨率遥感影像变化检测方法。该方法通过一个预训练的深度特征提取网络提取双时相影像的高维特征,再将提取出的原始影像高维特征放入一个变化检测网络中进行变化检测。本发明提出的用于变化检测的网络框架在变化结果图重建过程中融入了原始影像的多级高维特征,使得产生的变化结果图具有较高的轮廓一致性和内部一致性,通过在变化检测网络中引入多级深度监督,实现比已有方法更高的变化区域精确率和召回率。

    基于机器学习预测计算强度的并行化点云生成DEM方法

    公开(公告)号:CN109934917A

    公开(公告)日:2019-06-25

    申请号:CN201910151140.1

    申请日:2019-02-28

    Applicant: 武汉大学

    Inventor: 乐鹏 高凡 张明达

    Abstract: 本发明提供一种基于机器学习预测计算强度的并行化点云生成DEM方法,其特征在于:进行CART模型的训练,包括特征选择、样本数据生成、模型训练以及存储;使用四叉树对待处理的点云数据进行递归划分,采用存储的CART模型预测各瓦片计算强度,基于Z-曲线将二维空间的瓦片进行降维处理,然后基于预测的瓦片计算强度和空间编码将瓦片映射到各进程并行内插DEM。本发明技术方案具有高效性和可行性。本发明与传统串行的点云生成DEM相比,采用了基于机器学习预测计算强度的并行化点云生成DEM方法,性能提升能实现量级的突破,有效地节省执行时间,特别适合于海量稠密点云的数据处理,支持地学应用实时化。

    一种基于空间网格划分的政务大数据挖掘方法

    公开(公告)号:CN105279260A

    公开(公告)日:2016-01-27

    申请号:CN201510694430.2

    申请日:2015-10-21

    Applicant: 武汉大学

    Inventor: 乐鹏 张晨晓

    CPC classification number: G06F17/30598 G06F17/30705 G06K9/6224 G06K9/6282

    Abstract: 本发明公开了一种基于空间网格划分的政务大数据挖掘方法,根据政务数据集中数据的空间粒度确定空间网格的大小,对空间网格进行划分并将各数据集中的数据赋值给网格作为属性值,以单元网格为单位进行网格数据存储和多维数据挖掘。本发明将不同种类数据集组织在统一的时空维度下,有效地实现了多种类型的政务信息挖掘,大幅度增加了信息挖掘的深度。

Patent Agency Ranking