公开(公告)号：CN114662659A

公开(公告)日：2022-06-24

申请号：CN202210237867.3

申请日：2022-03-11

Applicant: 南京信息工程大学

Inventor： 荣欢 ,  于信 ,  马廷淮

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F40/284 ,  G06F40/30 ,  G06F40/216

Abstract: 本发明提供一种基于多阶段迁移学习策略综合的众包文本集成方法，具体为1、构建迁移式生成型众包文本集成模型TTGCIF；2、获得源域文本数据集和目标域文本数据集的语义原型；3、对语义原型进行词嵌入处理；4、根据最大均值差异做数据分布对齐；5、对TTGCIF进行语义原型转导模型训练；6、将源域文本数据集处理为训练任务集；7、将训练任务集输入到TTGCIF中进行领域快速适应模型训练；8、将部分目标域文本数据集输入到TTGCIF中进行模型微调训练。通过以上过程，实现文本集成。本发明能够摒弃传统方法中对数据标签的需求，减少人力物力的浪费，对数据稀缺场景下进行众包文本集成的有着极大的促进作用。

公开(公告)号：CN115423106A

公开(公告)日：2022-12-02

申请号：CN202211374352.4

申请日：2022-11-04

Applicant: 南京信息工程大学

Inventor： 荣欢 ,  骆维瀚 ,  马廷淮 ,  孙圣杰 ,  于信

IPC: G06N5/04 ,  G06N5/02 ,  G06N3/04 ,  G06N3/08 ,  G06F16/36 ,  G06F40/169 ,  G06F40/205 ,  G06F16/35

Abstract: 本发明提供了一种基于多模态事件知识图谱的溯因推理方法，有机混合了事件知识图谱和多模态知识图谱的本体层和事实层，使事实知识可以通过多模态事件知识图谱的形式存储和使用，丰富了现行的知识组织和使用形式；同时对ege‑RoBERTa模型进行拓宽，增加了额外知识接口以及卷积自编码器训练通道，使其可以支持多模态事件信息作为额外知识辅助推理，得到更好的推理结果。

公开(公告)号：CN114662659B

公开(公告)日：2022-09-16

申请号：CN202210237867.3

申请日：2022-03-11

Applicant: 南京信息工程大学

Inventor： 荣欢 ,  于信 ,  马廷淮

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F40/284 ,  G06F40/30 ,  G06F40/216

Abstract: 本发明提供一种基于多阶段迁移学习策略综合的众包文本集成方法，具体为1、构建迁移式生成型众包文本集成模型TTGCIF；2、获得源域文本数据集和目标域文本数据集的语义原型；3、对语义原型进行词嵌入处理；4、根据最大均值差异做数据分布对齐；5、对TTGCIF进行语义原型转导模型训练；6、将源域文本数据集处理为训练任务集；7、将训练任务集输入到TTGCIF中进行领域快速适应模型训练；8、将部分目标域文本数据集输入到TTGCIF中进行模型微调训练。通过以上过程，实现文本集成。本发明能够摒弃传统方法中对数据标签的需求，减少人力物力的浪费，对数据稀缺场景下进行众包文本集成的有着极大的促进作用。