基于反向学习的贝叶斯网络结构学习方法及装置

    公开(公告)号:CN119808969A

    公开(公告)日:2025-04-11

    申请号:CN202411753179.8

    申请日:2024-12-02

    Abstract: 本说明书实施例提供了一种基于反向学习的贝叶斯网络结构学习方法及装置,其中,方法包括:步骤1,获取训练样本;步骤2,基于PC算法根据所述训练样本生成初始解,基于反向学习生成所述初始解对应的反向解,将所述初始解和所述反向解进行排序,根据排序结果确定真正用于优化的最优解,基于所述最优解更新种群的初始参数,完成种群初始化;步骤3,基于PSO算法搜索最优解,对于搜索过程的离散化问题引入差分进化算法进行处理;步骤4,重复执行步骤2至步骤4进行迭代学习直至搜索到最优网络结构。本说明书实施例提高了离散贝叶斯网络结构学习的准确性和效率。

    一种实体关系抽取方法、装置、设备及存储介质

    公开(公告)号:CN118780283A

    公开(公告)日:2024-10-15

    申请号:CN202410860229.6

    申请日:2024-06-28

    Abstract: 本说明书实施例提供了一种实体关系抽取方法、装置、设备及存储介质,其中,方法包括:从预设语料库中获取句子文本;对句子文本进行分词处理,得到句子文本序列;根据句子文本序列和预设潜在关系数据集序列,构建二维矩阵;二维矩阵的行对应句子文本序列中的字符和关系数据集序列中的关系,二维矩阵的列对应句子文本序列中的字符和关系数据集序列中的关系;根据二维矩阵,得到主语‑宾语二元组;基于预设机器学习模型,根据二维矩阵,得到主语‑关系二元组和关系‑宾语二元组;根据主语‑宾语二元组、主语‑关系二元组和关系‑宾语二元组,得到实体关系三元组。以解决抽取方式存在错误传播、信息冗余和忽略实体与关系的内在联系的问题。

Patent Agency Ranking