-
公开(公告)号:CN116521886A
公开(公告)日:2023-08-01
申请号:CN202310135812.6
申请日:2023-02-20
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度学习的教育领域知识图谱构建方法和装置,该方法首先获取教育领域的多源数据;再对多源数据进行结构化提取,得到关键词和知识点;之后根据关键词之间的前后置关系,构成关键词骨架;接着应用关键词骨架对知识点进行前后置关联关系的提取;应用关键词骨架和知识点前后置关系推导得出知识点框架;最后利用知识点框架,使用无监督方式和相似度计算方式进行知识融合,构建学科知识图谱。本发明从总海量的教学资源数据中,提取出知识点及关联关系,构建教学资源知识图谱,从而赋能教学领域的智能化应用,为人工智能与教育的结合提供基础性支持。
-
公开(公告)号:CN115795150A
公开(公告)日:2023-03-14
申请号:CN202211484581.1
申请日:2022-11-24
Applicant: 之江实验室 , 浙江杭钢职业教育集团有限公司
IPC: G06F16/9535 , G06F40/30 , G06F18/22 , G06F17/18
Abstract: 本发明公开了一种基于特征离散系数和注意力机制的智能人岗匹配方法,所述方法包括获取简历/岗位文本语料对预训练语义抽取模型进行模型精调;根据各个字段的描述类型将简历/岗位文本语料划分为文本特征、数值型特征、等级型特征;根据不同特征类型分析简历/岗位文本语料以提取特征,并存储于向量数据库中;取应聘者在客户端最近的前N条浏览记录,在向量数据库中查找浏览记录对应的各特征值,以计算应聘者的兴趣画像和各特征对应的兴趣度;对于每一个候选岗位推荐项,根据岗位的各个特征值与对应特征的兴趣画像之间的相似度与该特征的兴趣度得到匹配度;对各候选项的匹配度进行排序,得到推荐结果。
-
公开(公告)号:CN116127186A
公开(公告)日:2023-05-16
申请号:CN202211583266.4
申请日:2022-12-09
Applicant: 之江实验室 , 浙江杭钢职业教育集团有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F16/36 , G06F16/2457 , G06F16/28 , G06Q10/1053 , G06F17/16 , G06N3/049 , G06N3/048 , G06N3/0442 , G06N3/045 , G06N3/08 , G06N3/084
Abstract: 本发明公开一种基于知识图谱人岗个性化匹配推荐方法及系统,该方法收集招聘企业发布的招聘职位信息,进行数据处理,并通过关系抽取得到招聘职位三元组,得到职位知识图谱;采集用户包括点击浏览、评论、收藏在内的历史求职行为数据,得到用户偏好的职位数据集合;将用户偏好的职位数据集合作为种子,应用RippleNet算法从所述职位知识图谱中获取多跳职位信息及其关系,得到用户与所述职位知识图谱的实体交互的三元组;构建并训练基于知识图谱并融合用户偏好的多任务推荐模型,包括用户‑图谱实体交互模块、推荐模块、职位‑图谱实体交互模块;根据用户和职位交互的评分,得出职位排序列表。本发明能够改善推荐结果,给出符合用户个性化的推荐需求。
-
公开(公告)号:CN115859993A
公开(公告)日:2023-03-28
申请号:CN202211393075.1
申请日:2022-11-08
Applicant: 之江实验室 , 浙江杭钢职业教育集团有限公司
IPC: G06F40/30 , G06F40/211 , G06F18/22
Abstract: 本发明公开了一种基于两层语义模型的文本相似度计算方法与装置,统计第一文本和第二文本的句子数量,将数量较小的记为第一文本句子集,另一记为第二文本句子集,计算文本长度对比度;通过第一语义模型分别对第一文本句子集与第二文本句子集进行向量转化,得到第一文本句子向量集与第二文本句子向量集;计算每个句子向量的距离相似度,以在第二文本句子集中寻找第一文本句子集每个句子对应的最相似句子;将最相似的句子组合得到第三文本句子向量集;第一文本句子向量集和第三文本句子向量集通过第二语义模型编码得到第一文本向量和第三文本向量,计算第一文本向量和第三文本向量的相似度;向量相似度与文本长度对比度相乘,得到文本相似度。
-
公开(公告)号:CN115987479A
公开(公告)日:2023-04-18
申请号:CN202211501496.1
申请日:2022-11-28
Applicant: 之江实验室 , 浙江杭钢职业教育集团有限公司
IPC: H04L9/00
Abstract: 本发明公开一种用于自然语言处理的深度学习模型的同态加密方法,首先根据需要加密的数据或者需要使用的深度学习模型获得原始符号表;根据原始符号表生成一份不包含重复符号且大小不小于原始符号表的随机符号表,原始符号表中的符号与随机符号表中的符号形成一对一或一对多的映射关系;随机符号表作为密钥K;通过分词算法将深度学习模型对应的一份明文数据分成符号串;将符号串中的符号按照密钥K,映射成新符号,并串联,生成利用密钥K加密后的密文m。采用本发明的方法进行加密,产出的密文在深度学习中可以保持计算同态,也就是说深度学习模型可以基于密文训练和预测,不影响训练的计算效率,也不改变预测结果,不改变准确率和召回率效果。
-
公开(公告)号:CN115659044A
公开(公告)日:2023-01-31
申请号:CN202211399122.3
申请日:2022-11-09
Applicant: 之江实验室 , 浙江杭钢职业教育集团有限公司
IPC: G06F16/9535 , G06F40/30 , G06Q10/1053
Abstract: 本发明公开了一种人岗匹配的推荐方法、系统、电子设备、存储介质,所述方法首先采集并分析业务数据和日志数据,并对其进行打标签,得到用户画像;将步骤S1得到的用户画像作为第一数据集,构建排序模型和召回模型,利用第一数据集训练召回模型,得到特征数据并作为第二数据集,利用第二数据集训练排序模型;采集待匹配的业务数据和日志数据输入至步骤S2训练好的排序模型和召回模型,得到简历推荐结果。本发明方法通过召回模型分析简历和岗位各自的文本语义信息,使得人岗匹配结果更加准确。
-
-
-
-
-