-
公开(公告)号：CN117077779A
公开(公告)日：2023-11-17
申请号：CN202311146144.3
申请日：2023-09-06
Applicant: 中国科学院计算技术研究所
IPC: G06N5/022
Abstract: 本发明提供一种动态知识图谱嵌入模型构建方法，包括：T1、旧知识图谱的三元组构建初始知识图谱嵌入模型；T2、响应于知识图谱中新知识的动态增加，对初始知识图谱嵌入模型进行动态迭代训练，其中，迭代训练是指每当有新知识增加时，采用当前知识图谱构建对应的训练集对上一次迭代训练后的知识图谱嵌入模型进行多轮训练直至收敛，且每轮训练包括：T21、基于上次迭代之后的知识图谱嵌入模型获取新知识和旧知识中实体和关系嵌入；T22、分别做知识转移以获得当前轮实体和关系的嵌入，并计算知识转移损失；T23、做知识学习保留处理并计算知识学习损失；T24、基于实知识转移损失和知识学习损失构建联合损失更新知识图谱嵌入模型的参数。
-
Patent Agency Ranking
公开(公告)号：CN115934960A
公开(公告)日：2023-04-07
申请号：CN202211584446.4
申请日：2022-12-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于最优传输的知识图谱处理方法，该方法包括如下步骤：S1、获取知识图谱中所有实体对应的多模态信息向量以及结构信息向量；S2、基于所有实体的多模态信息向量和结构信息向量计算每个实体的多模态信息与结构信息之间的最优传输矩阵；S3、以每个实体的结构信息向量所在空间为基准空间，基于其最优传输矩阵将每个实体的多模态信息进行特征对齐以形成统一的特征表示；S4、基于步骤S3得到所有的实体的统一特征表示对每一个缺失头实体或者尾实体的三元组进行预测补全，其中，以所有实体为备选实体，按照预设的规则计算每一个备选实体作为预测实体的得分，并将得分最高的预测实体作为最终的实体补入三元组。
-
公开(公告)号：CN112182245B
公开(公告)日：2022-11-29
申请号：CN202011040457.7
申请日：2020-09-28
Applicant: 中国科学院计算技术研究所
IPC: G06F16/36
Abstract: 本发明实施例提供了一种知识图谱嵌入模型的训练方法、系统和电子设备，训练方法包括：A1、用对偶四元数构建知识图谱嵌入模型的嵌入空间，通过对偶四元数将知识图谱中的关系建模为嵌入空间中的旋转和平移；A2、从预设知识图谱中的正样本中进行负采样以生成负样本；A3、对正样本和负样本进行初始化，得到包含以初始嵌入向量表示的正样本和负样本的训练集；A4、利用所述训练集对所述知识图谱嵌入模型进行迭代训练至收敛。本发明构造的新模型可以同时兼具旋转的性能和平移的性能，使得训练得到的知识图谱嵌入模型的嵌入性能得到提升，输出的实体嵌入或者关系嵌入能够更准确地表达预设知识图谱中的实体或者关系。
-
公开(公告)号：CN112182245A
公开(公告)日：2021-01-05
申请号：CN202011040457.7
申请日：2020-09-28
Applicant: 中国科学院计算技术研究所
IPC: G06F16/36
Abstract: 本发明实施例提供了一种知识图谱嵌入模型的训练方法、系统和电子设备，训练方法包括：A1、用对偶四元数构建知识图谱嵌入模型的嵌入空间，通过对偶四元数将知识图谱中的关系建模为嵌入空间中的旋转和平移；A2、从预设知识图谱中的正样本中进行负采样以生成负样本；A3、对正样本和负样本进行初始化，得到包含以初始嵌入向量表示的正样本和负样本的训练集；A4、利用所述训练集对所述知识图谱嵌入模型进行迭代训练至收敛。本发明构造的新模型可以同时兼具旋转的性能和平移的性能，使得训练得到的知识图谱嵌入模型的嵌入性能得到提升，输出的实体嵌入或者关系嵌入能够更准确地表达预设知识图谱中的实体或者关系。
-
公开(公告)号：CN117453869A
公开(公告)日：2024-01-26
申请号：CN202311286681.8
申请日：2023-10-07
Applicant: 中国科学院计算技术研究所
IPC: G06F16/332 , G06F16/36 , G06F40/30 , G06N5/022 , G06N5/02 , G06N5/04 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种知识图谱问答模型构建方法，所述知识图谱问答模型用于根据知识图谱推出问题的答案，所述方法包括：S1、构建初始知识图谱问答模型；其中，所述初始知识图谱问答模型包括：问题分解模块、嵌入模块和问答模块；S2、获取第一训练集，所述第一训练集包括多个第一训练样本和第一标签，所述多个第一训练样本为问题，所述标签为所述第一训练样本的答案真值；S3、利用所述第一训练集对所述初始知识问答模型进行训练，并在训练中利用预设的损失函数更新所述知识图谱问答模型的参数。
-
公开(公告)号：CN117151213A
公开(公告)日：2023-12-01
申请号：CN202311074989.6
申请日：2023-08-24
Applicant: 中国科学院计算技术研究所
IPC: G06N5/02 , G06F16/36 , G06Q30/0601
Abstract: 本发明提供一种知识库学习方法，所述方法包括：S1、获取已有的知识库并进行初始化以获取学习数据及其对应的初始嵌入表示，其中，所述学习数据包括多个多元组，每一个多元组均包括一个多元关系及与该多元关系对应的一个或多个角色‑实体对，且每一角色‑实体对被分配一个子关系；S2、以预设的损失函数为学习目标，按照预设的迭代方式对所述学习数据进行多轮迭代学习以得到其对应的目标嵌入表示。本发明通过学习多元组中角色和实体之间的语义信息以捕获角色和实体的兼容关系，进而探究角色和实体之间的潜在交互，并且为多元组中的每个角色‑实体对分配子关系并学习实体和子关系之间的语义信息，实现以更精细的方式挖掘知识库的潜在语义信息。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
