-
Patent Agency Ranking
公开(公告)号：CN119323263A
公开(公告)日：2025-01-17
申请号：CN202411879184.3
申请日：2024-12-19
Applicant: 北京工业大学
Abstract: 本发明公开了面向社会治理知识图谱三元组构建的大模型提示模板生成方法，涉及人工智能领域，包括如下步骤：步骤S1、数据预处理优化；步骤S2、数据脱敏；步骤S3、设计预期输出模板；步骤S4、提示模板生成；步骤S5、知识图谱三元组构建；步骤S6、三元组质量评估；步骤S7、反馈优化机制。本发明通过大模型自动生成大模型本身需要的提示的模板，并基于输入文本和任务需求动态调整模板内容。这一过程区别于传统的人工设计模板，显著提升了社会治理任务的效率和准确性，特别是在任务的定制化和场景适配性方面具有显著优势。
-
公开(公告)号：CN119918677A
公开(公告)日：2025-05-02
申请号：CN202510398928.8
申请日：2025-04-01
Applicant: 北京工业大学
IPC: G06N5/04 , G06N3/045 , G06N5/022 , G06F16/36 , G06F16/353 , G06F40/295 , G06F40/30 , G06Q50/26
Abstract: 本发明公开了基于CoT链式思维的社会治理知识图谱构建的大模型提示设计方法，涉及人工智能领域，具体包括以下步骤：步骤S1、数据预处理；步骤S2、预期输出设计；步骤S3、提示模板生成；步骤S4、知识图谱构建；步骤S5、结果优化与反馈机制。本发明通过引入CoT链式思维，通过任务分解、逐步推理、示范性输出、反馈机制等技术手段，在提示生成过程中引导模型逐步推理，从而确保信息提取的准确性和结构的标准化，最终构建出符合知识图谱要求的数据。CoT链式思维设计的提示有效地帮助大模型理解复杂任务生成高质量输出，并实现了实体标注自动化，输出包含实体类别的五元组数据。
-
公开(公告)号：CN120012895A
公开(公告)日：2025-05-16
申请号：CN202510487218.2
申请日：2025-04-18
Applicant: 北京工业大学
IPC: G06N5/022 , G06F40/194 , G06F40/258 , G06F40/30
Abstract: 本发明公开了一种多模态知识图谱补全方法，属于知识图谱和人工智能领域。该方法通过构建多个功能模块，在数据、特征、分布层面实现多模态语义对齐，有效解决模态间语义不一致、特征空间差异和噪声干扰等问题，提升多模态知识图谱补全模型性能，在链接预测任务中显著提高补全的准确性和可解释性。
-
公开(公告)号：CN119323263B
公开(公告)日：2025-03-25
申请号：CN202411879184.3
申请日：2024-12-19
Applicant: 北京工业大学
Abstract: 本发明公开了面向社会治理知识图谱三元组构建的大模型提示模板生成方法，涉及人工智能领域，包括如下步骤：步骤S1、数据预处理优化；步骤S2、数据脱敏；步骤S3、设计预期输出模板；步骤S4、提示模板生成；步骤S5、知识图谱三元组构建；步骤S6、三元组质量评估；步骤S7、反馈优化机制。本发明通过大模型自动生成大模型本身需要的提示的模板，并基于输入文本和任务需求动态调整模板内容。这一过程区别于传统的人工设计模板，显著提升了社会治理任务的效率和准确性，特别是在任务的定制化和场景适配性方面具有显著优势。
-
公开(公告)号：CN116431820A
公开(公告)日：2023-07-14
申请号：CN202310266322.X
申请日：2023-03-20
Applicant: 北京工业大学
Abstract: 本发明公开了基于弱化低质量负样本的时序知识图谱补全方法，为了平衡负样本多样性和负样本质量，该方法使用高质量和中等质量的负样本以增强模型判别能力，即弱化低质量负样本产生的影响。该方法提出的低质量负样本选择和弱化模块可以挑选出低质量负样本并调节它们的分数以弱化低质量负样本的消极影响。在交叉熵损失中引入了自适应加权负样本损失正则化项，该正则化项计算了每个负样本的损失值，并自适应地为每个负样本损失值分配不同的权重，以充分利用不同质量负样本的潜在信息。自适应加权负样本损失正则化项与低质量负样本选择和弱化模块都起到了积极影响。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
