基于生成图结构匹配的混合模态聚类方法及装置

    公开(公告)号:CN118211093A

    公开(公告)日:2024-06-18

    申请号:CN202410292798.5

    申请日:2024-03-14

    Abstract: 本发明公开一种基于生成图结构匹配的混合模态聚类方法及装置,利用自编码器模块将混合模态数据投影到不同的特征空间,计算不同模态数据的特征矩阵;建立不同模态特征空间之间的双向映射,生成缺失模态的伪表示;构建同一模态中现有表示和伪表示之间的模态内二分图,指导缺失模态数据的特征表示生成,获得数据完整的模态信息;在此基础上为每个模态构建一个单独的图,通过执行图卷积运算捕获样本之间的全局结构,采用图匹配机制,实现异质模态特征对齐;因此能够在没有成对模态数据的情况下生成缺失模态信息,对齐异质模态数据特征,将缺失模态生成和异质模态对齐整合到统一的框架中,有效挖掘混合模态数据之间的内在相关性,取得更好的聚类结果。

    基于大语言模型的时序知识图谱补全方法

    公开(公告)号:CN118779463A

    公开(公告)日:2024-10-15

    申请号:CN202410780089.1

    申请日:2024-06-17

    Abstract: 本发明公开了基于大语言模型的时序知识图谱补全方法,设计了一个用于时序知识图谱补全的框架时序知识图谱‑大语言模型框架(TKG‑LLM)。将四元组中的实体、关系以及时间信息拼接为文本序列,通过设计特定任务的提示约束大语言模型的输出,将提示、文本序列、以及辅助提示按照一定的规则进行拼接作为大语言模型的输入。为了增强大语言模型在时序知识图谱补全领域的专业性和输出可控性,使用指令微调技术以预测实体/关系或评估四元组的合理性,缓解了大语言模型在该任务中的幻觉问题。

Patent Agency Ranking