一种大模型与知识图谱融合方法、应用方法及系统

    公开(公告)号:CN119226529A

    公开(公告)日:2024-12-31

    申请号:CN202411288306.1

    申请日:2024-09-14

    Abstract: 本发明提供了一种大模型与知识图谱融合方法、应用方法及系统,该方法通过对获取的知识图谱进行知识图谱嵌入生成知识图谱嵌入信息,进而基于知识图谱嵌入信息生成自然语言问句,并将该知识图谱嵌入信息以及自然语言问句输入实体关系学习模型,输出自然语言问句对应的实体表示以及关系表示,进而基于该自然语言问句、实体表示、关系表示提取自然语言问句对应的子图,进一句将子图转换为自然语言,再结合实体关系学习模型以及知识图谱嵌入信息融入大模型,生成目标推理模型,实现知识图谱与大模型的融合。使得模型能够抽取关键信息并进行深入理解与推理,增强了模型在处理复杂问题时的推理能力,进一步提高模型后续输出内容的清晰度和可解释性。

    一种基于知识增强的电网拓扑图结构样本构建方法及装置

    公开(公告)号:CN119670833A

    公开(公告)日:2025-03-21

    申请号:CN202411733476.6

    申请日:2024-11-29

    Abstract: 本发明涉及大数据处理技术领域,具体提供了一种基于知识增强的电网拓扑图结构样本构建方法及装置,包括:将待增强样本作为预先构建的第三图大模型的输入,得到预先构建的第三图大模型输出的待增强样本对应的不同模态下的样本;利用所述待增强样本对应的不同模态下的样本构建电网拓扑图结构样本;其中,所述预先构建的第三图大模型包括预先训练的第二图大模型和第二生成式语言模型,所述预先训练的第二图大模型的输出端连接所述第二生成式语言模型的输入端。本发明提供的技术方案,通过对不同模态的样本实现跨模态数据对齐、不同模态之间的样本转换与样本知识增强技术,打造标准样本范式,并构建知识增强样本。

    一种基于知识图谱融合的大模型可解释性问答方法及系统

    公开(公告)号:CN119621906A

    公开(公告)日:2025-03-14

    申请号:CN202411725794.8

    申请日:2024-11-28

    Abstract: 本发明提供了一种基于知识图谱融合的大模型可解释性问答方法及系统,包括:获取问题文本在知识图谱中的相关知识,将相关知识的嵌入作为静态嵌入;利用初始大模型基于问题文本和静态嵌入,在知识图谱中进行动态交互探索得到知识子图,将知识子图融入初始大模型得到引入外部知识的大模型;将问题文本输入大模型进行问答决策输出问答结果;基于大模型问答决策过程中的注意力分布和中间隐藏状态确定推理过程;本发明利用静态嵌入和动态交互检索获取知识图谱中的相关知识,提高了大模型的决策效率和准确性;通过注意力机制进行推理,可以将关注度高的输入数据与知识子图中的实体和关系对照,提高了问答系统可解释性以及对大模型的信任度。

    基于自适应超网络架构的电力图像质量评估方法和系统

    公开(公告)号:CN119399610A

    公开(公告)日:2025-02-07

    申请号:CN202411367562.X

    申请日:2024-09-29

    Abstract: 本发明提供了一种基于自适应超网络架构的电力图像质量评估方法和系统,包括:将获取到的待评估电力图像,输入预先构建的图像语义特征提取网络,提取多个层级的局部特征和全局特征;基于所述全局特征,利用自适应超网络生成全局图像质量判别参数;将所述多个层级的局部特征,输入基于全局图像质量判别参数构建的目标预测网络中,得到待评估电力图像的图像质量评分;本发明通过特征提取网络提取局部特征和全局特征,并基于提取特征对图像进行后续评价,解决了评价指标构建难的问题,之后基于全局特征利用自适应超网络生成目标预测网络中的网络参数,并通过目标预测网络对图像进行评估,解决了评价规则固化的问题,提高了模型评估的泛化性和准确性。

    基于稀疏注意力机制的电力图像冗余处理方法及系统

    公开(公告)号:CN119888272A

    公开(公告)日:2025-04-25

    申请号:CN202411622645.9

    申请日:2024-11-14

    Abstract: 本发明提供了基于稀疏注意力机制的电力图像冗余处理方法及系统,包括:获取电力图像数据集中每个电力图像的序列化嵌入式向量;将每个所述电力图像的序列化嵌入式向量输入稀疏注意力机制的Transformer模型,得到每个所述电力图像的融合特征向量;基于每个所述电力图像的融合特征向量,计算每两个电力图像之间的相似度;根据所述每两个电力图像之间的相似度,确定所述电力图像数据集的冗余图像并进行处理;通过稀疏注意力机制的Transformer模型提取电力图像的融合特征向量,能够保留电力图像中的重要信息,去除干扰性元素,进而通过融合特征向量计算电力图像之间的相似度,实现了对图像冗余问题的自动化处理。

    一种基于关键词语义分解的智能问答方法及装置

    公开(公告)号:CN117609460A

    公开(公告)日:2024-02-27

    申请号:CN202311615794.8

    申请日:2023-11-29

    Abstract: 本发明涉及人工智能技术领域,具体提供了一种基于关键词语义分解的智能问答方法及装置,包括:将用户问句输入至预先训练的关键词抽取模型,得到预先训练的关键词抽取模型输出的关键词;在文本信息索引库中获取关键词对应的召回答案;将关键词及其对应的各召回答案分别组成问答对并作为预先训练的相似度识别模型的输入,得到预先训练的相似度识别模型输出的关键词与其对应的各召回答案之间的相似度,选取相似度大于预设值的召回答案作为关键词的答案;将用户问句和关键词的答案作为自动总结分析模型的输入,得到自动总结分析模型输出的用户问句回答结果。本发明提供的技术方案,能够使用户的问句可以实现问句关键词语义切分,同时保证召回效果。

Patent Agency Ranking