-
公开(公告)号：CN112348191A
公开(公告)日：2021-02-09
申请号：CN202011159918.2
申请日：2020-10-26
Applicant: 福州大学
IPC: G06N5/02
Abstract: 本发明涉及一种基于多模态表示学习的知识库补全方法，给定知识库KB，所述KB包含两部分，一是已知的知识集合，二是未知的知识集合；对知识库中的数据进行数据预处理；提出知识库补全模型ConvAt，对获取的数据首先生成头实体和尾实体的多模态表示；然后将头实体的多模态表示、关系的结构特征向量和尾实体的多模态表示按列拼接后，分别通过卷积神经网络模块、通道注意力模块和空间注意力模块处理，最后与一个权重矩阵相乘得到三元组(h,r,t)的评分；使用损失函数对步骤S2中的补全模型进行训练，并使用训练后的模型进行知识库补全。本发明提出的算法能够融合外部信息，能够利用更丰富的语义信息。
-
公开(公告)号：CN111078896A
公开(公告)日：2020-04-28
申请号：CN201911308709.7
申请日：2019-12-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于PRMATC算法的知识库补全方法，包括以下步骤：步骤S1:将大规模语义网络知识库KB中的所有事实三元组以及实体导入、存储到分布式集群Neo4j图数据库中；步骤S2:构建BILSTM-CRF模型，并训练；步骤S3:通过训练好的BILSTM-CRF模型对关系两侧的实体进行识别与分类，转换得到关系的定义域和值域;步骤S4:改进FP-Growth算法；步骤S5:挖掘出事务间隐含的强关联规则；步骤S6:根据得到的关系的定义域和强关联规则转换成Horn逻辑规则;步骤S7:根据得到Horn逻辑规则，获取新的知识，并添加至知识库KB中。本发明能够高效地找到代表知识库Horn规则的同时，挖掘规则的数量和准确率方面也更优于其他规则挖掘系统，能更好的补全知识库。
-
公开(公告)号：CN111027700A
公开(公告)日：2020-04-17
申请号：CN201911310385.0
申请日：2019-12-18
Applicant: 福州大学
IPC: G06N5/02
Abstract: 本发明涉及一种基于WCUR算法的知识库补全方法，包括以下步骤：步骤S1:遍历整个知识库,获取实体和关系的上下文信息;步骤S2:在考虑单独三元组的基础上结合上一阶段的实体和关系的上下文信息，分别计算三元组置信度的三个部分P(h|Neighbor(h))、P(t|Neighbor(t))和P(r|Path(r));步骤S3:通过梯度下降算法优化目标函数，反向更新每个实体和关系的向量，得到最优表示;步骤S4:根据最优表示，得到新的知识，并添加至原始知识库，实现知识库补全。本发明能够结合概率嵌入模型以衡量每个三元组的置信度，为每个实体和关系学习到更好的低维向量表示，更高效的补全知识库。
-
公开(公告)号：CN109558502A
公开(公告)日：2019-04-02
申请号：CN201811548053.1
申请日：2018-12-18
Applicant: 福州大学
IPC: G06F16/50 , G06F16/583
Abstract: 本发明涉及一种基于知识图谱的城市安全数据检索方法，利用Neo4j图数据库的特点，将城市安全知识图谱RDF图数据以及不断流入的知识碎片映射到图数据库中，在分布式环境下，当多关键字遍布在多个相互关联标签节点上时，在相互作用的标签图中，根据关键词锚定到的实例节点与关键关系占比，以及标签间的占比快速地预先计算出价值最高的标签，从该标签开始遍历能最快速度的确定起始的实例节点，同时缩短了到下一跳关键节点的时间，提高了对动态变化知识图谱图的数据库检索效率。
-
公开(公告)号：CN108875953A
公开(公告)日：2018-11-23
申请号：CN201810583866.8
申请日：2018-06-08
Applicant: 福州大学
IPC: G06N5/04
Abstract: 本发明涉及一种扩展DL算子的复杂规则推理设计方法，在迭代并行推理阶段定时获取Streaming数据流中的新数据，以及前次推理产生的新三元组数据作为本次迭代的输入数据，对输入的模式数据和实例数据进行归类处理并存储到相应的Redis集群；然后，根据复杂规则连接变量关系表，对衍生规则进行匹配推理并保存推理结果到Redis集群中。最后，读取Redis集群中衍生规则的推理结果，得出满足条件的实例并输出，本次迭代推理结束。本发明使得本体语言在清晰地表达复杂的集合概念基础上，完成复杂的条件推理。
-
Patent Agency Ranking
公开(公告)号：CN108460022A
公开(公告)日：2018-08-28
申请号：CN201810227216.X
申请日：2018-03-20
Applicant: 福州大学
Abstract: 本发明涉及一种文本Valence-Arousal情感强度预测方法及系统，将训练文本从Valence、Arousal两种情感强度进行标注处理，提取文本的文本修饰结构特征，并采用多尺度卷积神经网络模型和长短期记忆神经网络模型的组合模型对待测文本进行预测。本发明在进行预测时考虑到文本修饰结构特征，能够更加准确的进行文本情感分析预测。
-
公开(公告)号：CN106874425A
公开(公告)日：2017-06-20
申请号：CN201710057432.X
申请日：2017-01-23
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于Storm的实时关键词近似搜索算法，综合使用Redis内存数据库中的Hash、Set和Sorted Set三种数据结构来分门别类地存储RDF数据；结合Storm流式处理框架实现了RDF数据的实时流入和实时近似搜索；同时利用存储在Redis内存数据库集群中的历史数据来加快关键词近似搜索的效率。本发明支持对实例、文本、类和属性的搜索，并且实现对流式数据的实时近似搜索，具有明显的优势。
-
公开(公告)号：CN117743591A
公开(公告)日：2024-03-22
申请号：CN202311647761.1
申请日：2023-12-01
Applicant: 福州大学
IPC: G06F16/36 , G06F18/25 , G06F40/295 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/08 , G06N5/022 , G06N5/02
Abstract: 本发明涉及一种基于可变与固有属性感知网络的时态知识图谱补全方法。构建了一种新颖的模型：可变属性与固有属性感知的网络（VIAaNet）。本发明设计了一种多粒度时间解码器来建模可变信息，它利用时间特征融合和卷积操作，深入挖掘实体和关系在多粒度时间下的可变属性。为了建模固有信息，本发明设计了全时间图注意力机制，赋予实体基于历史的固有属性。同时，本发明使用Conv‑TransE作为解码器，以获取与时间不相关的固有属性。最后，整合可变和固有特征来预测缺失的实体。在四个基准数据集上的实体链接预测的实验结果证明了VIAaNet模型的优越性。
-
公开(公告)号：CN117312573A
公开(公告)日：2023-12-29
申请号：CN202311266115.0
申请日：2023-09-28
Applicant: 福州大学
IPC: G06F16/36 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于多尺度时间卷积神经网络的时态知识图谱补全模型，所述时态知识图谱补全在内推设置下进行；所述时态知识图谱补全模型MSTC工作时，首先增强实体和关系之间的交互作用，得到融合后的特征表示，并且输入到多个尺度的时间卷积层中进行卷积操作，每个尺度依次经过“年”、“月”、“日”卷积层的卷积，再经过拉平、全连接操作后得到该尺度的输出特征，最后将多个尺度的输出特征进行融合，得到融合了实体、关系和时间信息的增强嵌入表示，并输出到得分模块计算得分；本发明能在卷积神经网络中融合时间信息、提取不同尺度的多语义信息、减少卷积层的参数量，改善时态知识图谱补全TKGC性能。
-
公开(公告)号：CN111191460B
公开(公告)日：2023-01-03
申请号：CN201911390283.4
申请日：2019-12-30
Applicant: 福州大学
Abstract: 本发明涉及一种结合逻辑规则和碎片化知识的关系预测方法。首先对事实三元组和逻辑规则进行统一的建模，将隐藏的语义信息嵌入到基于知识表示的关系推理模型中；其次，结合碎片化知识，不断迭代更新，使得知识库变得越加完备。本发明对事实三元组和逻辑规则进行统一的建模，将隐藏的语义信息嵌入到基于知识表示的关系推理模型中，实现更精准地预测。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.024 seconds)
