公开(公告)号：CN119272024A

公开(公告)日：2025-01-07

申请号：CN202411305929.5

申请日：2024-09-19

Applicant: 大连理工大学

Inventor： 原旭 ,  齐安格 ,  吴徽南 ,  王嘉强

IPC: G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/088

Abstract: 本发明公开一种跨模态特征对齐与融合方法，属于多模态推荐领域。首先，通过构建项目语义图捕捉同一模态下项目之间的语义关系，并在此基础上对整体特征和模态特定特征进行图卷积操作，增强其在该模态下的表达能力。捕获并利用特征之间的潜在信息，缓解模态间不完全匹配的问题。然后，利用对比学习方法在每个模态下对比增强的整体特征与模态特征，促进跨模态的信息传递与互补。通过联合分析不同模态的项目语义图，实现对模态间复杂关系的有效建模。本发明确保跨模态的语义一致性，从而减少模态融合过程中的冗余和噪音，并提高多模态推荐的准确率。

公开(公告)号：CN117689015A

公开(公告)日：2024-03-12

申请号：CN202311681708.3

申请日：2023-12-08

Applicant: 大连理工大学

Inventor： 马瑞新 ,  高步云 ,  吴徽南 ,  陈紫璇 ,  齐安格

IPC: G06N5/02 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于知识图谱补全技术领域，提供了一种基于路径增强和实体度量协作的单样本知识图谱补全方法。将推理模型引入补全过程中，在提高模型补全质量的同时，提升结果的可解释性。推理模型包括对比学习增强模块、路径推理模块、实体概念过滤模块、路径信息聚合模块和三元组匹配模块。推理模型使用对比学习丰富了预训练向量的语意。使用实体概念过滤模块和路径信息聚合模块加强了实体对的向量表示，从而提高了补全质量。路径推理模块不仅加强了模型的可解释性，也在一定程度上提高了补全精度。通过路径交互和实体度量协同的策略，该推理模型极大提升了单样本场景下的补全质量，同时增强了结果的可解释性。