-
Patent Agency Ranking
公开(公告)号：CN114860952B
公开(公告)日：2024-12-20
申请号：CN202210464244.X
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06F16/36 , G06F40/295 , G06F17/18 , G06F18/243 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种基于数据统计和知识指导的图拓扑学习方法及系统，能在有监督下游任务下从文本数据中学习到图拓扑，方法包括：输入文本数据，获取文本数据中的实体作为图拓扑的节点，根据历史文本数据计算节点间的条件概率，构建初始图拓扑的邻接矩阵。其次，基于领域知识图谱构建出每份文本数据的知识注意网络。最后，将初始图拓扑的邻接矩阵输入到DK_Transformer(Data and Knowledge drivenTransformer)模型中，并以知识注意网络为专家知识，联合注意力机制来学习出适应下游任务的图拓扑。本方面能有效解决现有基于文本数据的图拓扑构建方法仅考虑数据统计信息、未充分利用知识和无法适应下游任务等问题。
-
公开(公告)号：CN114860952A
公开(公告)日：2022-08-05
申请号：CN202210464244.X
申请日：2022-04-29
Applicant: 华侨大学
Abstract: 本发明公开一种基于数据统计和知识指导的图拓扑学习方法及系统，能在有监督下游任务下从文本数据中学习到图拓扑，方法包括：输入文本数据，获取文本数据中的实体作为图拓扑的节点，根据历史文本数据计算节点间的条件概率，构建初始图拓扑的邻接矩阵。其次，基于领域知识图谱构建出每份文本数据的知识注意网络。最后，将初始图拓扑的邻接矩阵输入到DK_Transformer(Data and Knowledge drivenTransformer)模型中，并以知识注意网络为专家知识，联合注意力机制来学习出适应下游任务的图拓扑。本方面能有效解决现有基于文本数据的图拓扑构建方法仅考虑数据统计信息、未充分利用知识和无法适应下游任务等问题。
-
公开(公告)号：CN114863234B
公开(公告)日：2024-12-20
申请号：CN202210464131.X
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开一种基于拓扑结构保持的图表示学习方法及系统，能在保持图数据拓扑不变性的前提下，融合拓扑结构和语义特征来共同提高图表示学习的质量；方法包括：针对图数据的特性，设计拓扑结构保持的自监督任务；输入图数据，使用图卷积神经网络对其进行特征编码，从而学习到节点的初始向量表示；将学习到的节点初始向量表示输入到TGSSL(Topology‑preserving Graph Self‑Supervised Learning)模型进行图自监督学习，最终在结构保持的基础上获得高质量的节点向量表示。本发明能有效解决现有图表示学习方法在学习节点向量时无法有效融合结构信息的问题。
-
公开(公告)号：CN117473956A
公开(公告)日：2024-01-30
申请号：CN202311642496.8
申请日：2023-12-04
Applicant: 华侨大学
IPC: G06F40/126 , G06N3/084
Abstract: 本发明提供了一种基于Transformer的无触发词事件检测方法、装置、设备及介质，首先，将一段文本输入到T‑WTED（Transformer based Without Trigger Event Detection）模型的Transformer编码器模块进行特征学习，获得文本字级别特征。进而以句子为基本对象，利用最大池化运算获得文本所有句子的向量表示序列。随后，将句子向量序列送入BiGRU（Bi‑Gated Recurrent Unit）网络进行句子间上下文信息交互，获得文本隐状态向量。最后，将文本隐状态向量送入多标签分类网络检测出文本中包含的不同事件类型。本方法能适应无触发词事件信息抽取，能不依赖事件触发词开展文本事件检测，在多个领域中均可发挥作用。
-
公开(公告)号：CN114863234A
公开(公告)日：2022-08-05
申请号：CN202210464131.X
申请日：2022-04-29
Applicant: 华侨大学
Abstract: 本发明公开一种基于拓扑结构保持的图表示学习方法及系统，能在保持图数据拓扑不变性的前提下，融合拓扑结构和语义特征来共同提高图表示学习的质量；方法包括：针对图数据的特性，设计拓扑结构保持的自监督任务；输入图数据，使用图卷积神经网络对其进行特征编码，从而学习到节点的初始向量表示；将学习到的节点初始向量表示输入到TGSSL(Topology‑preserving Graph Self‑Supervised Learning)模型进行图自监督学习，最终在结构保持的基础上获得高质量的节点向量表示。本发明能有效解决现有图表示学习方法在学习节点向量时无法有效融合结构信息的问题。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
