-
公开(公告)号：CN114218379B
公开(公告)日：2024-02-06
申请号：CN202111393720.5
申请日：2021-11-23
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F16/35 , G06F16/332 , G06F40/30 , G06N3/084
摘要： 本发明公开了面向智能问答系统的无法回答问题的归因方法，获取不可回答问题；使用连续模板来转换输入问题的上下文和归因类；使用预训练语言模型将连续模板嵌入到高维向量空间中；使用基于prompt的MLM模块确定标签集中的哪个标签可填充输入中的[MASK]；面向原因的模板模块使用数据驱动的方法为模板构建指导信号；语义感知的标签模块对标签集中的标签进行编码，以将它们的表示保持在与输入相同的语义空间中；将监督标签是不可回答原因的预定义类，使用交叉熵损失函数计算损失，并反向传播以更新预训练语言模型；输出不可回答问题的归因。本发明特定于任务的设计能够更好地启发模型，从而实现最先进的性能。
-
公开(公告)号：CN113282713A
公开(公告)日：2021-08-20
申请号：CN202110725929.0
申请日：2021-06-29
申请人： 中国人民解放军国防科技大学
摘要： 本发明基于差异性神经表示模型的事件触发词检测方法，所述方法包括：构建差异性神经表示模型，包括编码模块、对比学习模块和混合边界模块，所述的编码模块用于将句子中的每个单词生成高维向量空间中的表示，所述的对比学习模块，用于加大触发词内部组成单词与外部其他单词之间表示的差距，所述的混合边界模块，用于引导模型更好地区分触发词边界上的单词；利用训练好的差异性神经表示模型，对每个单词预测是否属于某一个触发词的起始位置或者结束位置，然后通过组合预测的开始位置和结束位置输出所有可能的触发词。本发明提出的学习框架提高了区分触发词内部和外部单词的能力，在多触发词识别中显著优于其他方法。
-
公开(公告)号：CN112491964A
公开(公告)日：2021-03-12
申请号：CN202011212357.8
申请日：2020-11-03
申请人： 中国人民解放军国防科技大学
IPC分类号： H04L29/08
摘要： 本发明示例性实施例提供一种移动辅助边缘计算方法、装置、介质和设备，应用于至少包括固定边缘节点和移动边缘节点的物联网，所述方法包括：根据用户请求和资源分布，向固定边缘节点请求边缘任务，所述边缘任务为固定边缘节点无法响应的用户请求；根据拍卖机制向若干移动边缘节点拍卖所述边缘任务，以及根据各所述移动边缘节点的收益以及固定边缘节点的支出，确定最终的定价策略；结合所述定价策略以及移动边缘节点的定价，确定所述边缘任务在各所述移动边缘节点的全局分配策略。本发明首次提出了移动辅助边缘计算框架，通过引入移动边缘节点来提高固定边缘节点的服务质量。
-
公开(公告)号：CN114048323A
公开(公告)日：2022-02-15
申请号：CN202111236623.5
申请日：2021-10-23
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了基于双向图分割与互惠式推理的大规模实体对齐方法，包括以下步骤：获取源知识图谱和目标知识图谱数据；对源知识图谱和目标知识图谱进行图分割，获得一组源子图和目标子图的子图对；利用实体结构的表示学习模型获得所有子图对中的联合实体表示；在对每一个子图对中的子图进行互惠式对齐推理，获得子图对的对齐结果；聚合所有子图对的对齐结果，获得源知识图谱和目标知识图谱的对齐结果。本发明方法通过进行双向的分割和聚合，最终的子图对能够拥有更完整的结构以及更多的种子实体对，进而能够生成更准确的实体对齐结果；互惠式推理的两级的互惠建模与传统的直接对齐推理相比，能够取得更好的对齐效果。
-
公开(公告)号：CN113407759A
公开(公告)日：2021-09-17
申请号：CN202110948340.7
申请日：2021-08-18
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F16/583 , G06K9/62 , G06N3/04 , G06K9/40 , G06F40/295
摘要： 本发明公开了一种基于自适应特征融合的多模态实体对齐方法，包括以下步骤：获取两个多模态知识图谱的数据；在结构特征学习模块中，利用图卷积神经网络分别学习所述两个多模态知识图谱的实体的结构向量，生成各自实体的结构特征表示；在视觉特征处理模块中，分别生成各自实体的视觉特征表示；通过自适应特征融合模块，结合两个多模态知识图谱的实体结构特征和实体视觉特征进行实体对齐。本发明针对视觉信息利用差的问题，计算实体‑图片的相似度得分，过滤噪声图片，并基于相似度获得更准确的实体视觉特征表示；设计了自适应特征融合机制，以可变注意力融合实体的结构特征和视觉特征，充分利用多模态信息的互补性，提升了对齐效果。
-
公开(公告)号：CN113037876A
公开(公告)日：2021-06-25
申请号：CN202110570431.1
申请日：2021-05-25
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于合作博弈的云下行任务边缘节点资源分配方法，通过将云下行任务建模为重叠联盟从而形成博弈，然后采用合作博弈的思想来激励边缘节点合作执行云下行任务，形成多个云服务下行任务对应的重叠联盟，以实现资源分配均衡，从而避免资源集中在回报率高的任务上，造成回报率高的任务资源浪费，回报率低的任务无法收集足够多资源的现象。此外，本发明分析了博弈中边缘节点的合作行为，根据其行为定义了一种边缘节点交替操作，基于交替操作，提出了一种两阶段重叠联盟构造优化算法，不断通过边缘节点提供资源的交替行为来，以求解边缘节点在博弈中的策略，得到了近似最优解。
-
公开(公告)号：CN111339321B
公开(公告)日：2020-08-21
申请号：CN202010417038.4
申请日：2020-05-18
申请人： 中国人民解放军国防科技大学
摘要： 本申请涉及一种知识图谱中三元组真实性检测方法和装置。所述方法包括：从文本中提取描述知识图谱中三元组结构信息的第一向量和描述知识图谱中三元组描述信息的第二向量，将第一向量和第二向量进行融合，得到融合向量，根据预先设置的胶囊网络的网络结构，构建用于定义三元组得分的评分函数，根据评分函数，构建用于训练胶囊网络的损失函数，根据融合向量构建样本集，根据样本集和损失函数对胶囊网络模型进行训练，得到训练好的胶囊网络，将待预测三元组对应的融合向量输入训练好的胶囊网络，根据评分函数的输出值，确定三元组的关系是否准确。采用本方法能够提高三元组真实性检测的准确率。
-
公开(公告)号：CN113282713B
公开(公告)日：2022-09-20
申请号：CN202110725929.0
申请日：2021-06-29
申请人： 中国人民解放军国防科技大学
摘要： 本发明基于差异性神经表示模型的事件触发词检测方法，所述方法包括：构建差异性神经表示模型，包括编码模块、对比学习模块和混合边界模块，所述的编码模块用于将句子中的每个单词生成高维向量空间中的表示，所述的对比学习模块，用于加大触发词内部组成单词与外部其他单词之间表示的差距，所述的混合边界模块，用于引导模型更好地区分触发词边界上的单词；利用训练好的差异性神经表示模型，对每个单词预测是否属于某一个触发词的起始位置或者结束位置，然后通过组合预测的开始位置和结束位置输出所有可能的触发词。本发明提出的学习框架提高了区分触发词内部和外部单词的能力，在多触发词识别中显著优于其他方法。
-
公开(公告)号：CN114218947A
公开(公告)日：2022-03-22
申请号：CN202111514683.9
申请日：2021-12-13
申请人： 中国人民解放军国防科技大学
IPC分类号： G06F40/295 , G06F16/335 , G06F16/35 , G06N3/04 , G06N3/08
摘要： 本发明公开了基于生成对抗训练的嵌套命名实体识别方法，获取输入序列；为每个实体类型设计实体标记；使用抽取器抽取出特定于某个实体标记的所有实体文段，组成实体文段候选集；通过评估器评估抽取出的实体文段候选集，并打分；抽取器和判别器通过生成对抗训练来迭代地进行训练，使得抽取器抽取出准确的实体文段候选集合；迭代训练后抽取器挑选出某一实体类型的所有实体文段；对每种实体类型都进行抽取挑选，直到抽取出输入序列中的所有嵌套和非嵌套实体。本发明采用文段选择框架解决嵌套命名实体识别问题，混合选择策略使用了文段的边界信息和文段内容信息用于抽取，利用了实体类别信息，为每种实体类别设计实体标记。
-
公开(公告)号：CN114036310A
公开(公告)日：2022-02-11
申请号：CN202111236622.0
申请日：2021-10-23
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了基于互惠式推理与渐进式分块的大规模实体对齐方法，包括以下步骤：获取源知识图谱和目标知识图谱数据；对源知识图谱和目标知识图谱进行图分割，获得一组源子图和目标子图的子图对；利用实体结构的表示学习模型获得所有子图对中的联合实体表示；在对每一个子图对中的子图块进行互惠式对齐推理，聚合得到子图对的对齐结果；聚合所有子图对的对齐结果，获得源知识图谱和目标知识图谱的对齐结果。本发明方法通过进行双向的分割和聚合，能够生成更准确的实体对齐结果；互惠式推理的两级的互惠建模与传统的直接对齐推理相比，能够取得更好的对齐效果；通过应用渐进式分块，互惠式对齐推理的内存和时间成本将大大减少。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.032 秒)
