-
公开(公告)号：CN112612903A
公开(公告)日：2021-04-06
申请号：CN202011551586.2
申请日：2020-12-24
Applicant: 浙江大学
Abstract: 本发明公开了一种可解释的可生成规则的知识图谱嵌入表示学习方法，包括：进行融合了注意力机制的嵌入表示学习模型的学习；根据嵌入表示学习模型对知识图谱中的三元组进行解释的生成；根据生成的解释经过逆实例化过程得到潜在规则，并通过出现次数统计得到可以输出的规则。本发明特别适合需要较高预测准确度、为预测提供解释以及需要沉淀推理规则的拥有复合推理需求的应用场景。
-
公开(公告)号：CN112100392B
公开(公告)日：2022-03-15
申请号：CN202010737376.6
申请日：2020-07-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于强化学习和知识图谱的故障溯因方法，包括：(1)构建样本实例，编码样本实例，得到包含设备的节点表示、告警信息表示的样本实例表示，根据根因对编码得到根因关系表示；(2)基于强化学习构建策略网络，用于根据环境状态信息确定下一时刻的动作决策；(3)根据设定的时间步长阈值内动作决策结果构建奖励值，利用依据奖励值构建的损失函数更新策略网络参数、节点表示、告警信息表示、根因关系表示；(4)应用时，将实例表示作为策略网络的输入，利用策略网络获得接下来每个时刻里连接的设备节点，依据连接的每个设备节点追溯得到故障设备节点对应的根因设备节点。可以从故障节点开始溯因，通过因果链找到根因节点。
-
公开(公告)号：CN112100392A
公开(公告)日：2020-12-18
申请号：CN202010737376.6
申请日：2020-07-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于强化学习和知识图谱的故障溯因方法，包括：(1)构建样本实例，编码样本实例，得到包含设备的节点表示、告警信息表示的样本实例表示，根据根因对编码得到根因关系表示；(2)基于强化学习构建策略网络，用于根据环境状态信息确定下一时刻的动作决策；(3)根据设定的时间步长阈值内动作决策结果构建奖励值，利用依据奖励值构建的损失函数更新策略网络参数、节点表示、告警信息表示、根因关系表示；(4)应用时，将实例表示作为策略网络的输入，利用策略网络获得接下来每个时刻里连接的设备节点，依据连接的每个设备节点追溯得到故障设备节点对应的根因设备节点。可以从故障节点开始溯因，通过因果链找到根因节点。
-
公开(公告)号：CN113886598A
公开(公告)日：2022-01-04
申请号：CN202111134706.3
申请日：2021-09-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于联邦学习的知识图谱表示学习方法，包括：首先建立了中央服务器和多个客户端；中央服务器聚合来自不同客户端的实体嵌入，并将聚合后的嵌入发送回每个客户端；客户端使用本地的三元组更新实体和关系嵌入，并将更新后的实体嵌入矩阵发送给中央服务器。此外，考虑到联邦知识图嵌入框架所学习的嵌入是对仅基于一个知识图而没有联邦设置的训练嵌入的补充，因此设置了知识图谱融合步骤以融合使用和不使用联邦设置学习的嵌入。该方法能够同时利用多个知识图谱相互补充并且保证了数据的隐私性，在知识图谱补全任务中具有很好的实用价值。
-
-
-
Search Results
4
records
(took 0.013 seconds)
