公开(公告)号：CN116737942A

公开(公告)日：2023-09-12

申请号：CN202310225843.0

申请日：2023-03-09

Applicant: 南京大学

Inventor： 杨志豪 ,  赵一铮

IPC: G06F16/36 ,  G06F16/31

Abstract: 本发明公开了一种基于任务需求的本体模块化方法选取决策支持系统，本系统可以内嵌入用户的系统中，也可以作为第三方插件嵌入到Protégé等本体开发工具中；并且，本方法适用于RDF/XML、OWL/XML、Turtle和OBO等格式的本体，首先，用户输入本体文件，如果本体是OWL本体，则直接进入后续步骤；否则的话，转换器会将输入本体文件转换成OWL本体，接着解析OWL本体的元信息：本体大小、本体结构和本体表达力；接着，构建本体模块抽取术语集；根据本体元信息和用户提供的任务需求描述，智能地识别合适的工具快速抽取本体模块；根据本体术语集从OWL本体中抽取模块；如果有多个模块，则将它们合并成统一的本体并以用户指定的格式发布新本体。

公开(公告)号：CN116384369A

公开(公告)日：2023-07-04

申请号：CN202310334117.2

申请日：2023-03-31

Applicant: 南京大学

Inventor： 高雨婷 ,  王云飞 ,  阮锦绣 ,  赵一铮 ,  葛存菁

IPC: G06F40/205 ,  G06N5/04 ,  G06F18/24

Abstract: 本发明公开了一种结合逻辑推理的辩论对分类方法及设备，所述方法包括：对现有辩论对数据对进行数据增强；使用增强过后的数据训练交叉编码模型M，用于预测辩论对之间的关系；利用交叉编码模型M对无标签的辩论对之间的关系进行预测，赋予其伪标签，利用反绎学习结合半监督学习获得符合逻辑规则的修正后的伪标签；使用修正过后的伪标签更新交叉编码模型M，再次用交叉编码模型M对无标签的辩论对之间的关系进行预测，获得伪标签数据，直至无标签数据均得以运用。本发明实现了以少量有标签数据和大量无标签数据完成模型训练和模型分类，并实现了将机器学习数据驱动和逻辑规则知识驱动进行结合，能够更快速准确地完成辩论对分类工作。

公开(公告)号：CN116629361A

公开(公告)日：2023-08-22

申请号：CN202310224363.2

申请日：2023-03-09

Applicant: 南京大学

Inventor： 许书铌 ,  赵一铮

IPC: G06N5/04 ,  G06F16/36 ,  G06F16/901 ,  G06F40/12 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于本体学习和注意力机制的知识推理方法，以本体作为语义网形式化的知识表示，对本体进行表示学习，从而进行知识推理，本方法适用于优化大型复杂结构本体的知识推理效率，通过挖掘本体中结构和语义的信息，将本体中的概念嵌入到向量空间，使用唯一向量来表示该概念，更好地表示概念之间的关系，应用于下游任务，并且基于推理规则，根据注意力机制，建立适用于序列预测的神经网络模型，充分学习推理成功的序列特性，针对需求中的概念集合，预测出可行的推理路径，针对一些较为困难、传统算法复杂度较高的推理问题。

公开(公告)号：CN114706964A

公开(公告)日：2022-07-05

申请号：CN202210271762.X

申请日：2022-03-18

Applicant: 南京大学

Inventor： 张恒 ,  赵一铮

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/338 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多文本的自动问答系统实现方法，将多文本问答模块，拆分成三个模块，通过对各个子模块分别优化，最终实现组合达到最优；所述三个子模块分别为：问题分类模块、支持文章抽取模块、问答模块，每个子模块负责一个独立的功能，各个模块之间相互配合，最终实现完整自动问答的功能。本发明将多文本问答问题转化拆分成为若干个子模块，每个模块能单独训练，可以减少每个子模块需要的算力，并且由于各个子模块可以独立训练，因此可以分布在多台设备中计算；并且由于单个任务都较为简单，更加适合“预训练‑微调”的技术架构，在单个子任务上的调优会比整体调优更加容易。