-
公开(公告)号：CN118760772A
公开(公告)日：2024-10-11
申请号：CN202410736212.X
申请日：2024-06-07
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于多视图蒸馏增强的实体链接方法。本方法包括：1)多视图实体表征：将每个实体原本篇章级的文本描述分成多个句子级的视图，对每一视图独立地经过语言模型进行编码，得到每一句子视图对应的向量表征；从中选择一个和提及最相关的视图的向量表征作为实体的向量表征，以避免与提及无关的信息被引入到实体表征中；2)多视图蒸馏增强：在引入了细粒度的视图表征后，通过交叉对齐和自对齐机制，分别在原始的实体层次以及细粒度的视图层次两个维度上对齐学生模型和教师模型间的相关性分数分布，从而促进教师模型到学生模型的细粒度知识蒸馏。本发明促进了实体链接系统的整体性能的提升。
-
Patent Agency Ranking
公开(公告)号：CN118709688A
公开(公告)日：2024-09-27
申请号：CN202410746400.0
申请日：2024-06-11
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F40/295 , G06F40/242 , G06N5/04 , G06N3/0455 , G06N3/0499 , G06N3/082
Abstract: 本发明公开一种基于问答机制的文本变体词识别方法、装置及设备，属于文本信息识别领域。所述方法包括：构建变体词库，并通过汉字的字形和拼音的分别编码对所述变体词库进行数据增强；在数据增强后的变体词库上训练一变体词推理模型，所述变体词推理模型的网络结构包括：一语言表征模型和两个独立的全连接层；将问答模板与文本内容相连接后输入所述变体词推理模型，得到文本内容中变体词的起始位置概率和结束位置概率；基于变体词的起始位置概率和结束位置概率确定变体词的确切边界，得到文本内容中变体词的识别结果。本发明不仅能够提高变体词识别的准确性，还能够有效地降低模型的维护成本，增强其在实际应用中的适应性和鲁棒性。
-
公开(公告)号：CN118708728A
公开(公告)日：2024-09-27
申请号：CN202410746389.8
申请日：2024-06-11
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F16/36 , G06F16/33 , G06N5/04 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于难度序列推理的篇章级事件论元抽取方法及系统，属于文本信息抽取领域。本发明根据文档上下文选择对应的提示学习模板，对上下文和提示学习模板进行编码，得到上下文表示和提示表示，该提示表示包含论元角色的向量表示；根据每个论元角色的向量表示计算每个论元角色的预测困难分数，根据预测困难份数对论元角色进行排序，得到预测的推理路径；按照预测的推理路径的顺序进行信息推理，得到每个论元角色的推理概率分布；根据得到的每个论元角色的推理概率分布，预测每个论元角色的位置并抽取论元。本发明能够利用简单论元的信息来帮助抽取困难的论元。
-
公开(公告)号：CN108492200B
公开(公告)日：2022-06-17
申请号：CN201810124041.X
申请日：2018-02-07
Applicant: 中国科学院信息工程研究所
IPC: G06Q50/00 , G06F16/9535 , G06N3/04
Abstract: 本发明涉及一种基于卷积神经网络的用户属性推断方法和装置。该方法根据用户节点的属性和好友关系，建立自中心网络；然后采用卷积神经网络提取所述自中心网络中用户节点的属性信息和好友关系中所包含的隐藏信息，利用所述隐藏信息推断出用户的缺失属性。针对好友关系无法直接获取或获取难度较大的社交网络，采用神经网络仅利用用户的属性信息对缺失的属性进行分类预测。本发明可以很好的避免人为定义相似度函数的局限性，而且通过卷积核的卷积操作能够更好的表现出不同属性间以及不同的属性维度间的关系，从而能够高效、准确地进行用户缺失属性推断。
-
公开(公告)号：CN110688479A
公开(公告)日：2020-01-14
申请号：CN201910764862.4
申请日：2019-08-19
Applicant: 中国科学院信息工程研究所
IPC: G06F16/34 , G06F16/33 , G06F16/35 , G06F40/295
Abstract: 本发明公开了一种用于生成式摘要的评估方法及排序网络。本发明从三个方面来评估摘要质量：第一，运用语言模型来评估语言的流畅度；第二，使用相似度模型评估文本和摘要之间的语义相关性；第三，为了有效评估实体、专有词的复现程度，引入原文信息量模型来评估。本发明从摘要的语言流畅性、摘要与原文的相关性以及摘要所包含的信息量等多个方面来综合评估摘要的质量，大大提高了评估的准确性。
-
公开(公告)号：CN108492200A
公开(公告)日：2018-09-04
申请号：CN201810124041.X
申请日：2018-02-07
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于卷积神经网络的用户属性推断方法和装置。该方法根据用户节点的属性和好友关系，建立自中心网络；然后采用卷积神经网络提取所述自中心网络中用户节点的属性信息和好友关系中所包含的隐藏信息，利用所述隐藏信息推断出用户的缺失属性。针对好友关系无法直接获取或获取难度较大的社交网络，采用神经网络仅利用用户的属性信息对缺失的属性进行分类预测。本发明可以很好的避免人为定义相似度函数的局限性，而且通过卷积核的卷积操作能够更好的表现出不同属性间以及不同的属性维度间的关系，从而能够高效、准确地进行用户缺失属性推断。
-
-
-
-
-
Search Results
26
records
(took 0.03 seconds)
