-
公开(公告)号：CN116561334A
公开(公告)日：2023-08-08
申请号：CN202310403556.4
申请日：2023-04-14
申请人： 国家计算机网络与信息安全管理中心 , 长城计算机软件与系统有限公司
IPC分类号： G06F16/36 , G06F16/31 , G06N3/0464 , G06F18/22 , G06N3/084
摘要： 本发明实施例涉及一种关系抽取方法、装置、图谱构建方法及存储介质，所述方法包括：确定预设实体库中各实体之间的关系，所述关系为所述实体库中技术与技术之间的关系，和/或所述实体库中技术与企业之间的关系；根据所述实体库中所述实体之间的关系，建立邻接矩阵；基于所述邻接矩阵，构建与所述实体对应的图卷积网络；利用所述图卷积网络抽取所述实体库中各实体之间的关系。由此，可以实现确定预设实体库中各实体之间的关系，根据实体之间的关系建立邻接矩阵，进而构建与实体对应的图卷积网络，以实现基于图卷积网络简单、便捷地确定各个实体之间的关系，提高效率，提升用户体验。
-
公开(公告)号：CN116561244A
公开(公告)日：2023-08-08
申请号：CN202310403811.5
申请日：2023-04-14
申请人： 国家计算机网络与信息安全管理中心 , 长城计算机软件与系统有限公司
IPC分类号： G06F16/31 , G06F16/35 , G06F40/289 , G06F16/36 , G06F18/214 , G06F18/24 , G06F40/30 , G06N3/0499 , G06N3/0895
摘要： 本发明实施例涉及一种目标关系的识别方法及装置，所述方法包括：获取目标关系对应的训练数据集和检测数据集；根据上下句预测和掩码预测对联合模型进行模型预训练，得到训练好的联合抽取预训练模型；将所述训练数据集输入到所述联合抽取预训练模型中进行模型训练，得到训练好的联合抽取模型；将所述检测数据集输入到所述联合抽取模型中进行数据抽取处理，得到检测抽取结果；根据所述检测抽取结果确定所述检测数据集对应目标关系的识别结果。通过将检测数据集输入到训练好的联合抽取模型中，实现数据抽取，得到检测抽取结果，将在抽取到的检测抽取结果进行判断分析，确定所述检测数据集的识别结果；由本方案，可以实现企业关系、资本谱系或实体关系的快速识别的技术效果。
-
公开(公告)号：CN116561335A
公开(公告)日：2023-08-08
申请号：CN202310403733.9
申请日：2023-04-14
申请人： 国家计算机网络与信息安全管理中心
IPC分类号： G06F16/36 , G06F16/901 , G06F16/35 , G06F40/211
摘要： 本发明实施例涉及一种图谱构建方法、装置、电子设备及存储介质，所述方法包括：从预设的产业数据库中确定与目标产业匹配的产业数据；根据所述产业数据确定产业链图谱中各实体之间的上下位关系；获取所述目标产业的企业信息；根据所述上下位关系及所述企业信息，构建所述目标产业的产业链图谱。由此，可以实现准确确定产业链图谱中各实体之间的上下位关系，避免需要人工大量的查阅产业资料，简化操作流程，提升了产业链图谱生成的便利性，一定程度上解决了人工构建可能不全面的问题。
-
公开(公告)号：CN116702022A
公开(公告)日：2023-09-05
申请号：CN202310512618.5
申请日：2023-05-08
申请人： 国家计算机网络与信息安全管理中心
IPC分类号： G06F18/241 , G06F18/23 , G06Q30/0601
摘要： 本发明实施例涉及一种商品分类模型训练方法、装置、计算机设备及存储介质，该方法包括：根据特征提取模型提取商品集合中每个商品的第一特征，得到第一特征集合，所述第一特征用于表征所述商品的商品特征和所述商品对应的企业特征；对所述第一特征集合进行聚类处理，得到多个簇，每个所述簇中包含多个所述第一特征；从每个所述簇中提取多个目标第一特征，得到目标第一特征集合；根据所述目标第一特征集合对第一初始模型进行训练，得到训练好的商品分类模型。由此，可以实现通过商品特征和企业特征结合进行分类模型的训练，提高了分类的准确度，且对训练的特征进行了筛选，提高模型训练效率。
-
公开(公告)号：CN118627581A
公开(公告)日：2024-09-10
申请号：CN202410753364.0
申请日：2024-06-12
申请人： 国家计算机网络与信息安全管理中心
IPC分类号： G06N3/082 , G06N3/045 , G06N3/0499 , G06N3/084
摘要： 本发明属于人工智能技术领域，涉及一种基于输入激活的大语言模型低秩近似剪枝方法和装置。该方法包括：根据权重和输入激活计算剪枝指标；根据剪枝指标对大语言模型的线性层的每个输出进行局部权重的比较和修剪；使用低秩近似法对剪枝后的大语言模型进行微调以促进大语言模型性能的恢复。本发明能够有效地压缩LLMs，实现了较高的计算效率，在单个前向传播中执行，并且只有很小的内存开销，不仅避免了在局部分层重建过程中计算逆矩阵，而且保持了与幅值剪枝一样的简洁性。
-
公开(公告)号：CN118277914A
公开(公告)日：2024-07-02
申请号：CN202311471891.4
申请日：2023-11-07
申请人： 国家计算机网络与信息安全管理中心
IPC分类号： G06F18/2431 , G06F18/24 , G06F18/213 , G06F18/22
摘要： 本发明涉及APP分类分析技术领域，公开了一种基于动静结合多维度APK特征的移动应用分类方法，首先进行APP特征构建，基于主流手机应用商店、互联网小型分发平台、APP传播页面对APP的信息进行采集，具体通过APP所提供的功能或呈现的信息内容，识别APP的业务分类，采集通信类的信息，形成初始的测试数据集；再基于APP源码进行分析，获取APP的静态源码特征、动态流量和页面特征数据，具体包括名称、流量和内容信息；进行建立规则匹配模型和匹配机制，具体通过构建定时扫描程序，通过预设的各分类规则匹配模型进行识别和研判。本发明对具有显著技术特征或内容特征的APP具有较高的识别准确率，降低人工审核参与度。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.083 秒)
