公开(公告)号：CN117390196A

公开(公告)日：2024-01-12

申请号：CN202311346047.9

申请日：2023-10-17

Applicant: 北京计算机技术及应用研究所

Inventor： 邹烨 ,  王又辰 ,  赵勤博

IPC: G06F16/36 ,  G06F18/2415 ,  G06N3/04

Abstract: 本发明涉及一种基于大模型抽象事理图谱构建的事件预测方法，属于人工智能、大数据领域。本发明首先基于大模型chatGLM2抽取事件信息，构建抽象事理图谱；再者，基于抽象事理图谱筛选出候选事件，形成新的事件链条；最后，将新的事件链条作为图神经网络事件预测模型的输入，预测出候选事件。本发明提出了融合候选事件转移概率的注意力机制，一方面，学习候选事件和已发生事件上下文的相关性；另一方面，也学习了候选事件本身的概率信息。本发明提出的模型不仅增强了可解释性，也学习到了上下文信息。

公开(公告)号：CN116757221B

公开(公告)日：2025-05-06

申请号：CN202310694489.6

申请日：2023-06-13

Applicant: 北京计算机技术及应用研究所

Inventor： 赵勤博 ,  杨雨婷 ,  王瑞 ,  王又辰 ,  栾真

IPC: G06F40/30 ,  G06F40/216 ,  G06F40/289 ,  G06F40/211 ,  G06F16/353 ,  G06F16/334

Abstract: 本发明涉及一种基于事件抽取的情报态势挖掘方法，属于信息抽取/态势感知领域。本发明通过已有的情报态势文本数据，抽取其中情报领域相关词汇，依据领域词的类别和频次，将情报态势文本数据分类为事件场景类型库。针对不同事件场景类型，设计事件模板，依据事件模板抽取情报态势文本数据中的事件要素，形成事件列表。依据事件要素对情报态势序列数据进行检索，关联匹配相似属性，形成情报态势库。本发明解决大量情报文本和态势序列中情报态势的挖掘问题。

公开(公告)号：CN117390157B

公开(公告)日：2025-05-06

申请号：CN202311341725.2

申请日：2023-10-17

Applicant: 北京计算机技术及应用研究所

Inventor： 刘琦 ,  杨雨婷 ,  余增文 ,  贺垚 ,  范昕煜 ,  田宗凯 ,  赵勤博

IPC: G06F16/3329 ,  G06F16/36 ,  G06F16/35 ,  G06F40/30

Abstract: 本发明涉及一种基于门控主题模型的无监督关键词抽取方法，属于人工智能、大数据、自然语言处理领域。本发明提出了一种语义自适应的文档语义表示方法，在整个语料库上训练一个神经主题模型来挖掘该领域的相关主题，并采用门控机制对文档主题进行独立加权，使具有较高语义丰富度的文档被分配相对更多的主题；利用文档主题信息设计了一种新的关键词评分算法，同时考虑了主题相似度与主题重要度对关键词评判的影响。通过这两方面因素的折衷，避免了对文本核心主题的过度关注，从而提高了所抽取关键词的多样性。

公开(公告)号：CN116757221A

公开(公告)日：2023-09-15

申请号：CN202310694489.6

申请日：2023-06-13

Applicant: 北京计算机技术及应用研究所

Inventor： 赵勤博 ,  杨雨婷 ,  王瑞 ,  王又辰 ,  栾真

IPC: G06F40/30 ,  G06F40/216 ,  G06F40/289 ,  G06F40/211 ,  G06F16/35 ,  G06F16/33

Abstract: 本发明涉及一种基于事件抽取的情报态势挖掘方法，属于信息抽取/态势感知领域。本发明通过已有的情报态势文本数据，抽取其中情报领域相关词汇，依据领域词的类别和频次，将情报态势文本数据分类为事件场景类型库。针对不同事件场景类型，设计事件模板，依据事件模板抽取情报态势文本数据中的事件要素，形成事件列表。依据事件要素对情报态势序列数据进行检索，关联匹配相似属性，形成情报态势库。本发明解决大量情报文本和态势序列中情报态势的挖掘问题。

公开(公告)号：CN117390157A

公开(公告)日：2024-01-12

申请号：CN202311341725.2

申请日：2023-10-17

Applicant: 北京计算机技术及应用研究所

Inventor： 刘琦 ,  杨雨婷 ,  余增文 ,  贺垚 ,  范昕煜 ,  田宗凯 ,  赵勤博

IPC: G06F16/332 ,  G06F16/36 ,  G06F16/35 ,  G06F40/30

Abstract: 本发明涉及一种基于门控主题模型的无监督关键词抽取方法，属于人工智能、大数据、自然语言处理领域。本发明提出了一种语义自适应的文档语义表示方法，在整个语料库上训练一个神经主题模型来挖掘该领域的相关主题，并采用门控机制对文档主题进行独立加权，使具有较高语义丰富度的文档被分配相对更多的主题；利用文档主题信息设计了一种新的关键词评分算法，同时考虑了主题相似度与主题重要度对关键词评判的影响。通过这两方面因素的折衷，避免了对文本核心主题的过度关注，从而提高了所抽取关键词的多样性。

公开(公告)号：CN116561639A

公开(公告)日：2023-08-08

申请号：CN202310596095.7

申请日：2023-05-24

Applicant: 北京计算机技术及应用研究所

Inventor： 赵立永 ,  王又辰 ,  杨雨婷 ,  方志 ,  赵勤博

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种面向开源情报的多模态数据情感分析方法，属于人工智能、大数据、情感分析领域。本发明通过在Spark Streaming框架内封装多模态情感分析模型，实现了资源分类矩阵算子、图文数据对增强算子、多模态算法算子和多标签内容算子；该方法处理过程如下：首先，对从HDFS接收的输入数据进行预处理操作，其次，调用资源分类矩阵算子对文本、视频、图像进行分类处理，再次，调用图文数据对增强算子进行图文数据增强，调用多模态算法算子和多标签内容算子实现情感预测，最后，将预测的结果写入到Kafka，完成情感预测的整个流程。本发明实现大数据+深度学习的技术融合，满足可扩展性和低资源应用，支持海量数据的智能挖掘分析。