-
公开(公告)号：CN113095063B
公开(公告)日：2024-07-19
申请号：CN202010018333.2
申请日：2020-01-08
Applicant: 中国科学院信息工程研究所
IPC: G06F40/216 , G06F40/279 , G06F16/35 , G06N3/045 , G06N3/0442 , G06N3/09 , G06N3/048
Abstract: 本发明涉及一种基于遮蔽语言模型的两阶段情感迁移方法和系统。该方法包括：利用基于注意力机制的情感分类器和基于相对频率的融合方法，计算语料库中的所有词的得分，根据得分构建情感标记词的词库；利用情感标记词的词库对语料进行遮蔽处理，得到遮蔽语料；将遮蔽语料输入遮蔽语言模型中，利用遮蔽语言模型在遮蔽语料的遮蔽位置进行填空，得到迁移语料；将迁移语料输入预训练的情感分类器中，输出情感置信度分值，并使用预训练的情感分类器的梯度信号来优化遮蔽语言模型。本发明通过显式分割情感迁移任务，先找出句子中的情感信息进行遮蔽，再填入能代表目标情感信息的情感词，通过分解任务降低难度，能够达到更好的效果。
-
Patent Agency Ranking
公开(公告)号：CN111310054B
公开(公告)日：2022-05-31
申请号：CN202010150774.8
申请日：2020-03-06
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535
Abstract: 本发明公开一种基于自适应Margin对称度量学习的推荐方法和装置。该方法包括：根据给定的用户交互记录，通过度量学习方法拟合用户‑物品的关系；采用基于triple‑loss的欧氏度量学习范式进行建模；设计基于user‑centric和item‑centric的几何对称的关系度量方法；采用自适应Margin的方法自动学习得到用户和物品的Margin；将自适应Margin与用户/物品的偏置建立联系，解释其物理含义；使用多任务学习框架进行联合训练，得到推荐模型；基于该推荐模型为用户进行物品推荐。本发明充分考虑用户个体化差异，能很好地模拟真实场景下的用户‑物品交互关系，能够显著提高物品推荐的性能。
-
公开(公告)号：CN118228819A
公开(公告)日：2024-06-21
申请号：CN202211649130.9
申请日：2022-12-20
Applicant: 中国科学院信息工程研究所 , 新华融合媒体科技发展(北京)有限公司
IPC: G06N5/04 , G06N5/022 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种外部事件知识增强的事件时序序列预测方法和装置。该方法包括：利用基于启发式规则的知识检索方法，从外部事件知识库中获取相关事件知识；利用知识集成策略，对已知事件与从外部事件知识库中获取的相关事件知识之间的交互进行建模，获得外部知识增强的事件时序序列嵌入；根据外部知识增强的事件时序序列嵌入，计算每个候选事件的相似度分数，选择相似度分数最高的候选事件作为预测的可能发生的下一个事件。本发明引入包含图结构信息的外部事件知识对已知事件时序序列进行嵌入增强，达到更好的效果；通过使用不同的知识集成策略，利用图卷积神经网络编码事件图中的多跳知识，实现对事件特征的高效编码，从而有效解决多跳推理问题。
-
公开(公告)号：CN111310054A
公开(公告)日：2020-06-19
申请号：CN202010150774.8
申请日：2020-03-06
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535
Abstract: 本发明公开一种基于自适应Margin对称度量学习的推荐方法和装置。该方法包括：根据给定的用户交互记录，通过度量学习方法拟合用户-物品的关系；采用基于triple-loss的欧氏度量学习范式进行建模；设计基于user-centric和item-centric的几何对称的关系度量方法；采用自适应Margin的方法自动学习得到用户和物品的Margin；将自适应Margin与用户/物品的偏置建立联系，解释其物理含义；使用多任务学习框架进行联合训练，得到推荐模型；基于该推荐模型为用户进行物品推荐。本发明充分考虑用户个体化差异，能很好地模拟真实场景下的用户-物品交互关系，能够显著提高物品推荐的性能。
-
公开(公告)号：CN118227782A
公开(公告)日：2024-06-21
申请号：CN202211643171.7
申请日：2022-12-20
Applicant: 中国科学院信息工程研究所 , 新华融合媒体科技发展(北京)有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/242 , G06F40/186 , G06N3/047 , G06N3/049 , G06N3/09
Abstract: 本发明涉及一种基于提示学习范式的少样本事件时序关系抽取方法和装置。该方法的第一阶段为事件时序关系模板配置阶段；第二阶段为时序标签映射器配置阶段，通过硬映射与软映射方式实现从预训练语言模型的词典到事件时序关系标签集合的映射；第三阶段为事件时序关系分类器训练阶段，分类器包含事件时序关系模板和时序标签映射器两个主要部件；第四阶段为事件时序关系预测阶段，利用训练完成的事件时序关系分类器判断事件之间的时序关系。本发明能够有效降低时序关系的抽取难度，减少训练所需的数据规模，达到很好的时序关系抽取效果，并且能够实现对事件时序关系识别任务的快速建模和数据适应，有效地缓解训练语料缺乏导致的模型训练不足的问题。
-
公开(公告)号：CN113095063A
公开(公告)日：2021-07-09
申请号：CN202010018333.2
申请日：2020-01-08
Applicant: 中国科学院信息工程研究所
IPC: G06F40/216 , G06F40/279 , G06K9/62
Abstract: 本发明涉及一种基于遮蔽语言模型的两阶段情感迁移方法和系统。该方法包括：利用基于注意力机制的情感分类器和基于相对频率的融合方法，计算语料库中的所有词的得分，根据得分构建情感标记词的词库；利用情感标记词的词库对语料进行遮蔽处理，得到遮蔽语料；将遮蔽语料输入遮蔽语言模型中，利用遮蔽语言模型在遮蔽语料的遮蔽位置进行填空，得到迁移语料；将迁移语料输入预训练的情感分类器中，输出情感置信度分值，并使用预训练的情感分类器的梯度信号来优化遮蔽语言模型。本发明通过显式分割情感迁移任务，先找出句子中的情感信息进行遮蔽，再填入能代表目标情感信息的情感词，通过分解任务降低难度，能够达到更好的效果。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
