-
公开(公告)号：CN118171732B
公开(公告)日：2024-08-30
申请号：CN202410599858.8
申请日：2024-05-15
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06N5/022 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及信息及数据业务技术领域，尤其涉及一种基于微调大模型的超关系知识抽取方法、装置、电子设备及存储介质，其中，方法包括：获取文本数据，基于预设微调参数，构建超关系知识抽取指令；基于超关系知识抽取指令，利用微调大型语言模型构建超关系知识抽取模型；基于学习率预热和衰减策略，利用训练数据集对超关系知识抽取模型进行训练，得到训练完成的超关系知识抽取模型；利用超关系知识抽取模型抽取待解析文本中超关系知识，获得关系数据。采用大型语言模型，对其进行微调以适应超关系知识抽取任务；设计针对性的指令，从模型输出中抽取实体及其相关的多元关系，构建超关系知识图谱，实现了高效、精准地获取超关系并构建知识图谱。
-
公开(公告)号：CN118170894B
公开(公告)日：2024-07-30
申请号：CN202410607312.2
申请日：2024-05-16
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/194 , G06N3/042 , G06N5/022 , G06N5/048
Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。
-
公开(公告)号：CN118170894A
公开(公告)日：2024-06-11
申请号：CN202410607312.2
申请日：2024-05-16
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/194 , G06N3/042 , G06N5/022 , G06N5/048
Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。
-
公开(公告)号：CN118171732A
公开(公告)日：2024-06-11
申请号：CN202410599858.8
申请日：2024-05-15
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06N5/022 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及信息及数据业务技术领域，尤其涉及一种基于微调大模型的超关系知识抽取方法、装置、电子设备及存储介质，其中，方法包括：获取文本数据，基于预设微调参数，构建超关系知识抽取指令；基于超关系知识抽取指令，利用微调大型语言模型构建超关系知识抽取模型；基于学习率预热和衰减策略，利用训练数据集对超关系知识抽取模型进行训练，得到训练完成的超关系知识抽取模型；利用超关系知识抽取模型抽取待解析文本中超关系知识，获得关系数据。采用大型语言模型，对其进行微调以适应超关系知识抽取任务；设计针对性的指令，从模型输出中抽取实体及其相关的多元关系，构建超关系知识图谱，实现了高效、精准地获取超关系并构建知识图谱。
-
公开(公告)号：CN114817459B
公开(公告)日：2025-04-01
申请号：CN202210323152.X
申请日：2022-03-29
Applicant: 北京邮电大学
IPC: G06F16/334 , G06F40/295 , G06F18/214 , G06N3/048 , G16H50/70
Abstract: 本发明公开了一种融合实体间关系的中文医学命名实体识别方法和装置，其中，该方法包括：通过预训练的编码模型对医学文本进行编码处理，并利用编码网络进行编码处理获得高层级特征向量；利用预训练的编码模型进行关系嵌入表示，同时采用注意力机制将第二文本信息作为上下文信息，并对医学文本中的关系嵌入和文本嵌入进行运算得到医学文本的关系特征信息；通过权重分配策略计算概率权重并融合上下文信息和关系特征信息，以对关系特征信息和医学文本进行权重分配平衡；通过实体识别模型的解码输出概率最高的命名实体类别，以得到对应医学文本的各标签结果。本发明可以将关系信息有效融入文本表示中，以增强医学领域实体识别能力。
-
Patent Agency Ranking
公开(公告)号：CN119202370A
公开(公告)日：2024-12-27
申请号：CN202411082335.2
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/36 , G06N3/042 , G06N3/084 , G06N3/0464 , G06Q50/20
Abstract: 本发明公开了基于知识图谱特征提取的电子教育资源推荐方法及系统，该方法将实体和关系数据表示成知识图谱结构以构建电子教育资源知识图谱；其中节点表示实体，边表示实体间的关系；确定电子教育资源知识图谱的节点嵌入表示和关系嵌入表示；将节点嵌入表示和关系嵌入表示输入神经网络模型输出深度嵌入层表示和交互特征；利用神经网络模型处理深度嵌入层表示和交互特征以提取特征模式，并利用特征模式预测电子教育资源知识图谱中学习者和教育资源两个节点之间是否存在学习关系的边，以基于预测结果进行电子教育资源的推荐。本发明动态地调整教育资源之间的重要性权重，最终实现对学习者未来可能感兴趣的教育资源预测和个性化推荐。
-
公开(公告)号：CN119166882A
公开(公告)日：2024-12-20
申请号：CN202411013117.3
申请日：2024-07-26
Applicant: 北京邮电大学
IPC: G06F16/953 , G06N3/0464 , G06N3/042 , G06N3/088 , G06N5/02
Abstract: 本申请提出了一种基于无监督伪负标签策略的的学术论文评审人推荐方法，包括：获取异构的学术知识图谱并分解，得到表示论文和评审人交互行为的二部图和描述节点信息的知识图谱；使用两阶段编码器分别对二部图和知识图谱进行编码，得到各节点的基本嵌入表示，并通过聚合运算分别将每个节点的基本嵌入表示融合，得到各节点的融合嵌入表示；通过图对比学习对各节点的融合嵌入表示精调，在图对比学习时使用对节点聚类得到的伪标签提取负样本，并进行正样本嵌入表示学习，得到各节点的最终嵌入表示；选定待预测的评审人和论文，通过推荐网络基于对应的节点的最终嵌入表示预测评审发生概率。采用上述方案的本发明实现了有效且准确的学术评审人的推荐。
-
公开(公告)号：CN118395205A
公开(公告)日：2024-07-26
申请号：CN202410597296.3
申请日：2024-05-14
Applicant: 北京邮电大学 , 北京万方数据股份有限公司
Abstract: 本申请提出了一种多模态跨语言检测方法及装置，涉及计算机技术领域，其中，该方法包括：获取论文原始数据，并通过解析工具将论文原始数据分解为普通文本模态、结构文本模态和图像模态；将普通文本模态输入跨语言相似度模型，输出第一向量数据，并将结构文本模态输入跨语言相似度模型，输出第二向量数据；将图像模态输入图像相似度模型，输出第三向量数据；将第一向量数据、第二向量数据和第三向量数据输入多模态融合学习模型，输出检测结果。采用上述方案的本申请能够有效实现对不同语言论文数据的相似度检测。
-
公开(公告)号：CN117594241A
公开(公告)日：2024-02-23
申请号：CN202410052402.X
申请日：2024-01-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于时序知识图谱邻域推理的透析低血压预测方法，包括，获取患者的透析数据集；根据透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从血液透析患者时序知识图谱中提取患者图谱邻域信息；根据患者图谱邻域信息对时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测。通过本发明提出的方法，可用于预测透析低血压发生、挖掘透析低血压的高危因素，从而帮助透析患者降低低血压发病率。本发明中的知识图谱构建和推理方法较为通用，能够推广到医学场景中利用时序数据进行医学事件预测的任务。
-
公开(公告)号：CN111414460B
公开(公告)日：2024-01-19
申请号：CN201910108740.X
申请日：2019-02-03
Applicant: 北京邮电大学
IPC: G06F16/332 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种通用结合记忆存储和神经网络的多轮对话管理方法及装置，其中，方法包括：接收用户请求，并根据用户请求解析输入信息；获取用户的当前对话状态，并根据当前对话状态和历史对话状态更新对话理解数据；根据对话理解数据通过神经网络模型预测对话动作；获取查询动作，并将查询动作和对话动作的置信度进行比较，以取置信度高的动作作为机器响应动作。该方法通过对话管理结合记忆存储和深度学习，提高系统稳定性，对话管理模型可通过深度强化学习改进，提高模型准确度，对话管理通用且模型可灵活扩展更换，从而可以有效提高对话管理的准确度和稳定性，并使对话管理具有模型兼容性，具有更好的通用性。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.065 seconds)
