-
公开(公告)号：CN119886145A
公开(公告)日：2025-04-25
申请号：CN202510368680.0
申请日：2025-03-27
Applicant: 山东大学
IPC: G06F40/295 , G06F40/194 , G06N5/022 , G06N3/0442
Abstract: 本发明属于开放知识图谱领域，提供了一种知识图谱实体对齐方法、系统、设备、介质及产品，基于实体的属性三元组获取属性值嵌入向量和属性嵌入向量并拼接，根据每个拼接后的权重聚合所有的拼接结果，获得实体的属性感知嵌入；基于实体的关系三元组获取关系信息编码和邻域信息编码并拼接，根据每个拼接后的权重聚合实体所有的邻居节点，获得实体的关系感知嵌入；利用可学习的融合门控机制对属性感知嵌入和关系感知嵌入进行融合，生成信息增强实体嵌入；根据两个知识图谱中信息增强实体嵌入之间的相似度实现知识图谱的实体对齐。本发明避免信息冗余和冲突，从而提升实体嵌入的表达能力和泛化性能。
-
公开(公告)号：CN119336999A
公开(公告)日：2025-01-21
申请号：CN202411873965.1
申请日：2024-12-19
Applicant: 山东大学
IPC: G06F16/9535 , G06F16/36 , G06F17/16 , G06N3/042 , G06N3/0895
Abstract: 本发明涉及知识推荐技术领域，公开了基于跨模态对比和黎曼双曲几何的知识推荐方法及系统，其中方法包括：获取用户与项目交互二分图；获取基础知识图谱；将所述用户与项目交互二分图与所述基础知识图谱进行结合，得到协同知识图谱；为协同知识图谱中的每个项目设置多模态特征，所述多模态特征，包括：视觉模态特征和文本模态特征；将协同知识图谱和项目的多模态特征，输入到训练后的知识推荐模型中，通过所述训练后的知识推荐模型为用户推荐项目；所述训练后的知识推荐模型，利用跨模态对比学习来进一步挖掘不同模态之间的潜在信息，为推荐任务引入了额外的监督信号。可以为用户推荐用户感兴趣的电影项目或游戏项目。
-
Patent Agency Ranking
公开(公告)号：CN113360670B
公开(公告)日：2022-06-17
申请号：CN202110643541.6
申请日：2021-06-09
Applicant: 山东大学
Abstract: 本发明提供了一种基于事实上下文的知识图谱补全方法及系统，包括事实信息编码和事实信息融合，事实信息编码的目标是得到事实的向量表示，首先通过门控循环单元来捕获事实中头实体、关系、尾实体的序列依赖，随后利用卷积神经网络来对门控循环单元的输出进行特征提取，从而得到事实的整体向量表示；事实信息融合的目标是将事实信息编码得到的事实特征向量与该事实下的头实体、关系、尾实体各自的特征向量进行融合，通过评分函数对融合事实信息后的实体和关系进行计算，实现知识图谱的补全。本发明能够提高模型在知识图谱补全任务的性能。
-
公开(公告)号：CN113360670A
公开(公告)日：2021-09-07
申请号：CN202110643541.6
申请日：2021-06-09
Applicant: 山东大学
Abstract: 本发明提供了一种基于事实上下文的知识图谱补全方法及系统，包括事实信息编码和事实信息融合，事实信息编码的目标是得到事实的向量表示，首先通过门控循环单元来捕获事实中头实体、关系、尾实体的序列依赖，随后利用卷积神经网络来对门控循环单元的输出进行特征提取，从而得到事实的整体向量表示；事实信息融合的目标是将事实信息编码得到的事实特征向量与该事实下的头实体、关系、尾实体各自的特征向量进行融合，通过评分函数对融合事实信息后的实体和关系进行计算，实现知识图谱的补全。本发明能够提高模型在知识图谱补全任务的性能。
-
公开(公告)号：CN117808089B
公开(公告)日：2024-06-11
申请号：CN202410223586.1
申请日：2024-02-29
Applicant: 山东大学
IPC: G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于知识图谱推荐技术领域，本发明提供了一种基于双空间信息聚合的知识图谱推荐方法及系统，根据用户和物品的表征，进行欧式空间和双曲空间的双空间多层次信息聚合，得到多层欧式空间向量和多层双曲空间向量；基于多层欧式空间向量和多层双曲空间向量，进行跨空间对比学习，得到对比损失得分；基于得到的用户和物品各自的向量，进行内积操作，得到预测损失得分；基于所述对比损失得分和预测损失得分，构建混合损失，利用混合损失优化知识图谱推荐模型，实现联合优化；利用联合优化后的知识图谱推荐模型进行知识图谱推荐。本发明考虑到复杂的拓扑结构，将欧式空间建模与双曲空间建模相结合，能够提升推荐结果的准确性和快速性。
-
公开(公告)号：CN119357409A
公开(公告)日：2025-01-24
申请号：CN202411907017.5
申请日：2024-12-24
Applicant: 山东大学
IPC: G06F16/36 , G06F18/214 , G06F18/25 , G06F18/22
Abstract: 本发明涉及论文推荐技术领域，特别是涉及基于双曲空间下跨社区知识图谱的论文推荐方法及系统，对输入的跨社区学术知识图谱，提取出知识图谱每个论文节点的初始结构特征向量和初始文本特征向量，对初始结构特征向量进行层次聚合，对层次聚合结果分别进行相似度聚合和向上聚合，对相似度聚合和向上聚合结果进行特征融合，得到最终的结构特征向量；对初始文本特征向量进行文本聚合操作，得到最终的文本特征向量；对最终的结构和文本特征向量进行拼接操作，得到每个节点的最终特征向量；计算待推荐论文查询任务特征向量，与跨社区学术知识图谱中每个论文节点的特征向量二者之间的相似度，根据相似度，输出论文推荐结果。提高了论文推荐任务的性能。
-
公开(公告)号：CN117808089A
公开(公告)日：2024-04-02
申请号：CN202410223586.1
申请日：2024-02-29
Applicant: 山东大学
IPC: G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于知识图谱推荐技术领域，本发明提供了一种基于双空间信息聚合的知识图谱推荐方法及系统，根据用户和物品的表征，进行欧式空间和双曲空间的双空间多层次信息聚合，得到多层欧式空间向量和多层双曲空间向量；基于多层欧式空间向量和多层双曲空间向量，进行跨空间对比学习，得到对比损失得分；基于得到的用户和物品各自的向量，进行内积操作，得到预测损失得分；基于所述对比损失得分和预测损失得分，构建混合损失，利用混合损失优化知识图谱推荐模型，实现联合优化；利用联合优化后的知识图谱推荐模型进行知识图谱推荐。本发明考虑到复杂的拓扑结构，将欧式空间建模与双曲空间建模相结合，能够提升推荐结果的准确性和快速性。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
