-
公开(公告)号：CN116843026A
公开(公告)日：2023-10-03
申请号：CN202310620744.2
申请日：2023-05-29
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06N5/02 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 一种基于多任务学习的知识图谱链接预测方法、计算机设备及存储介质，涉及知识图谱补全领域。解决现有InteractE模型存在的平移特性被破坏的问题。本发明提供以下方案，对知识图谱数据集进行预处理生成逆关系三元组，将得到的逆关系三元组的知识图谱数据集作为输入；构建基于多任务学习的知识图谱链接预测模型；在所述预测模型的训练集上进行迭代训练；将验证集中待预测逆关系三元组的头实体和关系输入到所述模型中，得到InteractE模型作为解码器的全部尾实体的预测得分，将测试集中待预测三元组的头实体和关系输入加载模型参数的模型中，预测得分最高的尾实体作为输出。适用于知识图谱中已经存在的头实体和关系信息预测缺失的尾实体的方法中。
-
公开(公告)号：CN116739082A
公开(公告)日：2023-09-12
申请号：CN202310659846.5
申请日：2023-06-05
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
Abstract: 一种基于先验知识的数据增值链接预测方法、装置、计算机设备及介质，属于知识图谱链接预测技术领域，解决了现有知识图谱中存在的内容缺失问题。本发明首先通过利用三元组中的实体和关系的类型信息，进行基于类型层次的初始权重设置。然后，根据类型的权重进行实体和关系的相关度计算后，对类型关系权重矩阵进行训练。接着，本发明利用类型信息组成的先验知识得到先验概率，再通过卷积模型和图注意力模型以及基于翻译的模型计算得到似然概率，并将两个概率按照贝叶斯公式进行整合，得到最终的概率进行预测。本发明适用于社交网络中预测用户之间是否建立联系、推荐系统中为用户提供个性化推荐服务、网络安全中预测异常情况等场景。
-
公开(公告)号：CN116644751A
公开(公告)日：2023-08-25
申请号：CN202310621806.1
申请日：2023-05-30
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F40/295 , G06N3/045 , G06N3/0895 , G06N3/094 , G06N3/084
Abstract: 基于跨度对比学习的跨域命名实体识别方法、设备、存储介质和产品，属于命名实体识别技术领域，解决领域偏移及跨度边界信息学习性能低的问题。本发明的方法包括：使用预训练语言模型、对抗训练、对比学习、KL散度等技术构建基于跨度对比学习的跨域命名实体识别模型，利用实体边界信息，将顺序标签转化为全局边界矩阵，完成跨度级别的对比学习以及KL散度的计算，模型在训练过程中不断更改其中相关参数，充分考虑到了实体边界信息，学习到更多领域不变性信息，大大提高了跨域命名实体识别的性能。本发明适用于跨域命名实体的识别。
-
公开(公告)号：CN116776880A
公开(公告)日：2023-09-19
申请号：CN202310576018.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F40/295 , G06F40/242 , G06N5/025 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/0895
Abstract: 一种外部信息辅助的中文知识抽取方法、系统、存储介质及计算机，涉及信息抽取领域。解决现有中文中的实体识别任务困难，需要处理更多的歧义性和上下文依赖性的问题。所述方法包括：获取中文嵌套命名实体识别数据集，将所述数据集进行预处理，并划分为训练集、验证集和测试集；构建外部信息辅助的中文知识抽取模型；利用所述训练集对所述外部信息辅助的中文知识抽取模型进行训练，获取优化模型；根据所述优化模型进行解码操作，获取优化模型预测的输入序列的所有互不冲突的命名实体。本发明应用于命名实体识别领域。
-
公开(公告)号：CN115757822A
公开(公告)日：2023-03-07
申请号：CN202211405144.6
申请日：2022-11-10
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F16/36 , G06F40/295 , G06F40/30 , G06F18/214
Abstract: 本发明公开了一种基于超关系的全局数据空间链接预测方法及系统，属于知识图谱补全技术领域，其中，该方法包括：获取超关系数据集，提取超关系数据集中主三元组和附加超关系事实数据，并将超关系数据集进行预处理，以划分为训练集和测试集；构建基于超关系的全局数据空间链接预测方法；利用训练集对基于超关系的全局数据空间链接预测方法进行训练；将待预测的尾实体输入到训练好的基于超关系的全局数据空间链接预测方法中，得到全部尾实体的预测得分，再将最高预测分数作为预测尾实体。该方法提升了超关系事实之间的语义交互，还充分考虑了附加超关系事实对主三元组预测的影响，通过注意力机制设置不同超关系事实的影响权重来提升预测性能。
-
Patent Agency Ranking
公开(公告)号：CN116821238A
公开(公告)日：2023-09-29
申请号：CN202310770494.0
申请日：2023-06-28
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地
Inventor： 潘海为 , 周鑫玥 , 张可佳 , 蔡成涛 , 王巍 , 王一 , 王小芳 , 陈征平 , 毕晓燕 , 刘泽超 , 申林山 , 宋洪涛 , 王兴梅 , 王也 , 杨东梅 , 张立国
IPC: G06F16/27 , H04L67/1097 , G06F16/22 , G06F16/23 , G06F11/14 , G06F30/27 , G06F30/28 , G06N20/00 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于机器学习的数值水池虚拟试验管理系统，包括，数据收集模块，用于获取数字虚拟水池试验中各种场景下的初始数据，随机生成模拟数据；模拟数据为实际水文环境中包括水流运动、水位变化、波浪的水动力学现象各种场景的待处理数据；中央存储模块，与数据收集模块连接，用于当接收到数据收集模块发送的存储任务后，对模拟数据进行处理并将处理后的模拟数据进行底层存储；自动化存储模块，与中央存储模块连接，用于根据预测分析结果自动调整存储资源配置，以及维护多个副本的数据一致性。本发明提高了系统对试验数据的存储容量以及试验的精度和效率，实现了对数值水池虚拟试验的自动化管理。
-
公开(公告)号：CN117313105A
公开(公告)日：2023-12-29
申请号：CN202311257110.1
申请日：2023-09-27
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 价值链技术(深圳)有限公司
Inventor： 冯光升 , 李冰洋 , 张熠哲 , 蔡成涛 , 王巍 , 陆蓓婷 , 蒋文创 , 王小芳 , 王一 , 杨玉东 , 董宇欣 , 郎大鹏 , 李思照 , 刘泽超 , 马志强 , 申林山 , 宋洪涛 , 王兴梅 , 王也
Abstract: 本发明公开了面向智能合约漏洞数据集的不平衡数据集处理系统及方法，系统包括：数据读取模块：用于依次读取不同类别的漏洞样本集，将所述不同类别的漏洞样本集输入子集划分模块中；子集划分模块：用于对所述不同类别的漏洞数据集中的少数类样本进行划分，获取若干样本子集，并将所述样本子集发送至数据生成模块；数据生成模块：用于分别对不同类别的所述样本子集进行处理，生成新数据；数据读取模块、子集划分模块、数据生成模块依次连接。本发明减小了边界模糊的问题，在一定程度上提升了样本的质量，同时对于多种样本进行了扩充，适用于多类数据的样本集。
-
公开(公告)号：CN114529077B
公开(公告)日：2024-10-29
申请号：CN202210137611.5
申请日：2022-02-15
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06Q30/0202 , G06Q30/0241 , G06N3/0442 , G06N3/08 , G06N3/0455
Abstract: 本发明提出了一种基于会话内异构行为的点击率预测方法，获得用户信息数据集、项目信息数据集和用户行为序列数据集，分别对三种数据集进行预处理，并分为训练集和测试集；构建基于会话内异构行为的点击率预测模型；训练构建的基于会话内异构行为的点击率预测模型；将待推荐用户的个人信息、待推荐项目信息和待推荐用户行为序列输入到训练后的基于会话内异构行为的点击率预测模型，计算用户对目标项目的点击率，根据点击率将项目进行排序，并将排序后的项目列表推荐给用户；本发明同时考虑了用户与项目之间的多种异构行为对用户兴趣的影响，利用注意力机制计算不同类型的行为对兴趣的影响权重，更加精准地提取用户的兴趣。
-
公开(公告)号：CN114528490B
公开(公告)日：2024-10-29
申请号：CN202210151706.2
申请日：2022-02-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/0895 , G06N3/0442 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于用户长短期兴趣的自监督序列推荐方法。步骤1：获得用户信息、项目信息及用户行为的序列数据集，将数据集进行预处理并划分为训练集和测试集；步骤2：构建基于用户长短期兴趣的自监督序列推荐模型；步骤3：利用训练集对步骤2所述基于用户长短期兴趣的自监督序列推荐模型进行训练；步骤4：将待推荐用户的个人信息和交互序列输入到步骤3中训练后的基于用户长短期兴趣的自监督序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户。本发明用以解决现有技术中用户的长、短期兴趣二者间所存在的相互约束关系的问题，实现对用户长期兴趣和短期兴趣有更准确的推荐。
-
公开(公告)号：CN114492978B
公开(公告)日：2024-10-29
申请号：CN202210067402.8
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N3/049 , G06F18/25 , G06F18/213 , G06F123/02
Abstract: 本发明提出了一种基于多层注意力机制的时空序列预测方法及设备，本发明基于注意力机制，根据跨领域数据的交叉影响，逐时间步融合多维特征构建历史数据特征，在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。采用LSTM编码器分别捕获时间序列的长期、中期发展模式及短期突变信息，逐步利用注意力机制动态捕获多重时序关系对未来的影响，逐时间步计算相应历史信息的影响权重，最终使用LSTM解码器充分融合多跨度的历史数据，对时空序列进行预测。本发明可以在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.052 seconds)
