-
Patent Agency Ranking
公开(公告)号：CN108334566A
公开(公告)日：2018-07-27
申请号：CN201810037892.0
申请日：2018-01-16
Applicant: 浙江工业大学
IPC: G06F17/30
Abstract: 一种基于需求驱动的电梯数据服务组合与视图自动生成方法。首先，将电梯相关数据集封装为电梯原子数据服务；其次，根据用户数据需求，在数据服务依赖图上自动搜索相关的原子数据服务，并将原子数据服务组合生成电梯复合数据服务；最后，以用户数据需求的约束条件作为输入，执行复合数据服务生成电梯数据组合视图。本发明为基于需求驱动的数据集成提供了一种有效的数据组合视图自动生成方法，提高了其自动化程度。
-
公开(公告)号：CN111198950B
公开(公告)日：2021-10-15
申请号：CN201911344270.3
申请日：2019-12-24
Applicant: 浙江工业大学
IPC: G06F16/36 , G06F16/28 , G06F40/284 , G06F40/30 , G06K9/62
Abstract: 一种基于语义向量的知识图谱表示学习方法，包括以下步骤：1)融合文本语料库的语义向量构建；2)融合文本语料库及知识图谱上下文的语义向量构建；3)语义矩阵的构建，过程如下：以三元组和关系的语义向量作为输入，得到每个关系对应的语义矩阵；4)建模与训练，过程如下：设计了一个新的得分函数对知识图谱中实体和关系的嵌入表示进行建模，得到所述知识图谱的嵌入表示模型；使用随机梯度下降法训练所述嵌入表示模型，使得损失函数的值最小化，得到最终知识图谱中实体和关系的语义向量。本发明提出的表示学习方体能够较为对知识图谱的复杂关系进行建模，并能够提高向量表示的精确度。
-
公开(公告)号：CN111198950A
公开(公告)日：2020-05-26
申请号：CN201911344270.3
申请日：2019-12-24
Applicant: 浙江工业大学
IPC: G06F16/36 , G06F16/28 , G06F40/284 , G06F40/30 , G06K9/62
Abstract: 一种基于语义向量的知识图谱表示学习方法，包括以下步骤：1)融合文本语料库的语义向量构建；2)融合文本语料库及知识图谱上下文的语义向量构建；3)语义矩阵的构建，过程如下：以三元组和关系的语义向量作为输入，得到每个关系对应的语义矩阵；4)建模与训练，过程如下：设计了一个新的得分函数对知识图谱中实体和关系的嵌入表示进行建模，得到所述知识图谱的嵌入表示模型；使用随机梯度下降法训练所述嵌入表示模型，使得损失函数的值最小化，得到最终知识图谱中实体和关系的语义向量。本发明提出的表示学习方体能够较为对知识图谱的复杂关系进行建模，并能够提高向量表示的精确度。
-
公开(公告)号：CN111274327B
公开(公告)日：2021-08-03
申请号：CN202010021995.5
申请日：2020-01-09
Applicant: 浙江工业大学
Abstract: 一种面向非结构化表格文档的实体与关系抽取方法，将非结构化表格文档划分为离散的单值表格和多值表格；采用表格位置特征和文本规则从单值表格中抽取出知识，并基于规则对其进行标注，得到实体、关系、属性和属性值，组织成三元组形式；利用表格位置和文本规则从多值表格中抽取出知识，对字符串进行语义分割，并基于规则对其进行标注，得到实体、关系、属性和属性值，组织成三元组形式。本发明给出的实体与关系抽取方法能够将非结构化表格文档的信息处理成结构化数据，并准确的抽取出其中的实体、关系、属性及属性值，形成三元组集合，为进一步构建知识图谱的工作奠定了良好的基础。
-
公开(公告)号：CN111274327A
公开(公告)日：2020-06-12
申请号：CN202010021995.5
申请日：2020-01-09
Applicant: 浙江工业大学
Abstract: 一种面向非结构化表格文档的实体与关系抽取方法，将非结构化表格文档划分为离散的单值表格和多值表格；采用表格位置特征和文本规则从单值表格中抽取出知识，并基于规则对其进行标注，得到实体、关系、属性和属性值，组织成三元组形式；利用表格位置和文本规则从多值表格中抽取出知识，对字符串进行语义分割，并基于规则对其进行标注，得到实体、关系、属性和属性值，组织成三元组形式。本发明给出的实体与关系抽取方法能够将非结构化表格文档的信息处理成结构化数据，并准确的抽取出其中的实体、关系、属性及属性值，形成三元组集合，为进一步构建知识图谱的工作奠定了良好的基础。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
