-
公开(公告)号：CN104268878B
公开(公告)日：2018-03-09
申请号：CN201410507562.5
申请日：2014-09-28
Applicant: 华侨大学
Abstract: 本发明涉及一种超声图像中运动探针检测和定位方法，步骤如下：1)对超声序列图像向量化和矩阵化，得到超声影像数据矩阵，并交互式初始化；2)根据步骤1)形成的二维超声影像数据矩阵进行低秩建模和稀疏分解，得到矩阵低秩模型，并进行连续奇异像素支持区的交替检测，得到整体影像序列奇异像素支持区；3)利用步骤2)中得到的奇异像素支持区，转化其每一列向量为原始超声图像单帧大小，得到单帧稀疏块掩模区，并计算该掩模中的所有8联通区域，选取较大区域作为检测探针区域并进行空洞填充；4)通过计算检测到的探针区域中心点位置方法，找到探针具体空间位置信息。
-
公开(公告)号：CN119025685B
公开(公告)日：2025-02-11
申请号：CN202411479256.5
申请日：2024-10-23
Applicant: 华侨大学
Abstract: 本发明提供的一种知识图谱关系预测方法、装置、设备及存储介质，涉及知识图谱关系预测技术领域，本发明通过从稀疏知识图谱中构建候选三元组，根据预设的提示模板得到三元组循证文本集；利用大语言模型组合决策法计算候选三元组的关系支持度；接着，融合关系支持度和BERT模型向量嵌入，获得知识图谱的所有候选三元组的实例等价性向量，即候选三元组向量与真实标准化向量；然后，基于欧式距离计算候选三元组与事实三元组的实例等价性得分；最后，根据实例等价性得分筛选出超过阈值的候选三元组作为预测三元组，实现知识图谱关系预测。本发明提高了知识图谱关系的预测精度、增强了预测结果的循证支撑力度，在适应稀疏知识图谱方面表现出色。
-
公开(公告)号：CN119168029A
公开(公告)日：2024-12-20
申请号：CN202410933069.3
申请日：2024-07-12
Applicant: 华侨大学
Abstract: 本发明公开了一种构建基于上下文的五何问句生成模型的方法及装置,包括如下步骤：S1、首先将知识图谱进行子图拆分，得到知识图谱子图；S2、将S1所述的知识图谱子图按照关系路径的相似性计算得到多组正样本子图；S3、将S2所述的正样本子图进行图对比学习，获得每一个子图的语义表征；S4、基于S3所述的语义表征通过相似度算法查找输入子图在示例图谱问句集中的相似子图并得到自适应的演示示例；S5、将S4所述的输入子图与演示示例代入指令模板，得到指令文本,并送入大语言模型，生成问句。
-
公开(公告)号：CN114860952B
公开(公告)日：2024-12-20
申请号：CN202210464244.X
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06F16/36 , G06F40/295 , G06F17/18 , G06F18/243 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种基于数据统计和知识指导的图拓扑学习方法及系统，能在有监督下游任务下从文本数据中学习到图拓扑，方法包括：输入文本数据，获取文本数据中的实体作为图拓扑的节点，根据历史文本数据计算节点间的条件概率，构建初始图拓扑的邻接矩阵。其次，基于领域知识图谱构建出每份文本数据的知识注意网络。最后，将初始图拓扑的邻接矩阵输入到DK_Transformer(Data and Knowledge drivenTransformer)模型中，并以知识注意网络为专家知识，联合注意力机制来学习出适应下游任务的图拓扑。本方面能有效解决现有基于文本数据的图拓扑构建方法仅考虑数据统计信息、未充分利用知识和无法适应下游任务等问题。
-
公开(公告)号：CN118734953B
公开(公告)日：2024-11-29
申请号：CN202411203434.1
申请日：2024-08-30
Applicant: 华侨大学
IPC: G06N5/022 , G06N3/045 , G06N3/0895 , G06N5/02 , G06F16/901 , G06F17/16
Abstract: 本发明公开了一种基于多视图和图增强的异构知识图谱实体对齐方法，涉及知识图谱技术领域，包括：对知识图谱的实体、关系、属性及属性值进行向量嵌入表示，获得初始化向量；构建知识图谱的实体邻居邻接矩阵、实体关系邻接矩阵、实体属性邻接矩阵和实体属性值邻接矩阵，并构建实体邻居视图、关系视图、属性视图、属性值视图；将属性视图和属性值视图进行融合，形成属性‑属性值视图；将各个视图集成起来得到知识图谱实体融合嵌入表示；生成增强知识图谱，并获得增强知识图谱的实体融合嵌入表示；获得异构知识图谱实体对齐模型。本发明使用多视图以更好地捕获知识图谱上的所有信息，并用图增强技术降低数据噪声和错误，提高实体对齐的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117131943A
公开(公告)日：2023-11-28
申请号：CN202311178731.0
申请日：2023-09-13
Applicant: 华侨大学
IPC: G06N5/04 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06F16/332 , G06F16/33
Abstract: 本发明提供一种基于问句图数据的问题链生成方法、装置及设备，方法包括：S1，在问句集中，针对问句进行槽位标签预测，利用标签向量距离创建问句间的连接关系，构建以单个问句为节点以连接为边的问句图数据；S2，将问句图数据送入图Transformer进行图表示学习，对问句图数据的节点进行嵌入表示，获得问句图数据的表示向量；S3，将待预测问句与问句图数据的表示向量通过问题链生成模型实现链接预测，得到最高置信度问句，并根据最高置信度问句与所述输入待预测问句构建链接，从而构建出两问句间的一跳问题链。本发明利用问句间的槽位关联性构建问句图，超越单纯依赖问句语义相关性所构问题链的关联性，形成逻辑性更强的问句链，实现了问题链的高效率生成。
-
公开(公告)号：CN116070786B
公开(公告)日：2023-06-20
申请号：CN202310212028.0
申请日：2023-03-07
Applicant: 华侨大学 , 中国医学科学院阜外医院
IPC: G06Q10/04 , G06F16/28 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例提供一种基于事件演化图的多标记事件预测方法、装置和介质，涉及事件预测技术领域。其中，这种多标记事件预测方法包含S1、获取已知事件链。S2、根据事件演化图，获取候选事件组合集。其中，事件演化图根据历史数据集构造，且包含顺承关系和同时关系。候选事件组合集包含多个候选事件组合。候选事件组合包含1个或多个候选事件。S3、将已知事件链和候选事件组合集输入预先训练好的多标记事件预测模型，获取预测发生事件。预测发生事件为候选事件组合集中的一个候选事件组合所包含的候选事件。其中，多标记事件预测模型包括编码器、门控图神经网络、筛选模型、解码器。
-
公开(公告)号：CN113535984B
公开(公告)日：2023-05-26
申请号：CN202110919665.2
申请日：2021-08-11
Applicant: 华侨大学
IPC: G06F16/36 , G06F40/30 , G06F18/2415 , G06N3/0464 , G06N3/08 , G06Q10/04
Abstract: 本发明公开了一种基于注意力机制的知识图谱关系预测方法及装置，利用Trans模型获得三元组实体的嵌入，将三元组中的关系当作头实体和尾实体间翻译操作，得到三元组向量表示，针对知识图谱中三元组实体描述的全部文本信息采用Doc2Vec模型进行嵌入，得到实体描述向量表示，通过Trans模型得到的三元组向量表示与实体层次类型映射矩阵结合，得到实体类型向量表示，采用融合三元组向量表示、实体描述向量表示以及实体类型向量表示的三元组实体向量作为编码器输入，编码器基于知识图谱设计注意力机制，得到关系层次、实体层次、三元组层次的权重，解码器则利用ConvKB模型重构知识图谱，进行关系预测。本发明可用于知识图谱推理，根据已知的知识推理出未知的潜在的知识。
-
公开(公告)号：CN112466462B
公开(公告)日：2023-03-07
申请号：CN202011353177.1
申请日：2020-11-26
Applicant: 华侨大学
IPC: G16H50/20 , G16H50/70 , G16H10/20 , G06F40/289 , G06F40/30 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于图深度学习的EMR信息关联及演化方法，包括如下步骤：EMR数据预处理：获取EMR数据集，得到EMR的实体词典；EMR图构建：实体词典中的词转换为向量表示，并得到EMR图的向量矩阵以及EMR图的邻接矩阵，组合构成EMR图；EMR图深度学习模型构建：根据得到的EMR数据集对应的所有EMR图，构建出EMR图深度学习模型的输入图数据集，从而进一步获得图深度学习模型F；EMR信息关联及演化：将任意一条EMR数据，喂入图深度学习模型F，构建EMR图的演化序列。本发明提出一种基于图深度学习的EMR信息关联及其演化方法，采用图深度学习方法对电子病历数据进行建模，利用网络关系图可视化技术展示电子病历结构信息的演化过程，实现知识发现和可解释深度学习。
-
公开(公告)号：CN115292456A
公开(公告)日：2022-11-04
申请号：CN202210587837.5
申请日：2022-05-27
Applicant: 华侨大学
IPC: G06F16/332 , G06F16/33 , G06F40/242 , G06F40/247 , G06K9/62
Abstract: 本发明公开一种基于知识驱动的非合作式人格预测方法及系统，包括：步骤1，将获得的人格相关词汇作为种子词进行翻译和分类，并对结果进行校正，构建种子词典；步骤2，选择各类不同类别领域的社交媒体用户，获取其发布的原创文本信息并进行预处理，构建语料库，并使用语料库训练词向量模型；步骤3，利用训练好的词向量模型计算种子词与语料库中的候选词之间的余弦相似度，选择相似度大的候选词对种子词典进行扩展，构建基础词典；步骤4，对基础词典进行同义词补充，构建人格词典；步骤5，利用人格词典提出基于词汇权重和词频的人格评分算法，并根据人格评分算法获取待测用户的人格特质。本发明提高了人格预测方法的可解释性和可推广性。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.042 seconds)
