-
公开(公告)号：CN111581396B
公开(公告)日：2023-03-31
申请号：CN202010373498.1
申请日：2020-05-06
Applicant: 西安交通大学
IPC: G06F16/36 , G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06N3/0464 , G06N3/047 , G06N3/0895
Abstract: 本发明公开了一种基于多维特征融合与依存句法的事件图谱构建系统及方法，通过利用多维特征融合的事件抽取、事件修正与对齐、基于增强结构化事件的关系抽取、基于依存句法与图注意力网络的因果关系抽取、事件图谱生成模块的联合学习，实现了基于多维特征融合与依存句法的事件图谱构建方法。本发明通过增强的结构化事件的五元组信息、四个维度的事件间关系构建事件图谱，克服了现有技术中事件表示简单且依赖NLP工具、事件关系单一、未同时考虑事件与事件间关系对事件图谱构建的影响的缺陷。本发明提出的事件图谱构建方法，依据下游任务不同，可以将四种维度的事件间关系任意组合，学习事件图谱的结构特性与潜在的知识联系，从而辅助下游应用。
-
公开(公告)号：CN111581396A
公开(公告)日：2020-08-25
申请号：CN202010373498.1
申请日：2020-05-06
Applicant: 西安交通大学
IPC: G06F16/36 , G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多维特征融合与依存句法的事件图谱构建系统及方法，通过利用多维特征融合的事件抽取、事件修正与对齐、基于增强结构化事件的关系抽取、基于依存句法与图注意力网络的因果关系抽取、事件图谱生成模块的联合学习，实现了基于多维特征融合与依存句法的事件图谱构建方法。本发明通过增强的结构化事件的五元组信息、四个维度的事件间关系构建事件图谱，克服了现有技术中事件表示简单且依赖NLP工具、事件关系单一、未同时考虑事件与事件间关系对事件图谱构建的影响的缺陷。本发明提出的事件图谱构建方法，依据下游任务不同，可以将四种维度的事件间关系任意组合，学习事件图谱的结构特性与潜在的知识联系，从而辅助下游应用。
-
公开(公告)号：CN111581967A
公开(公告)日：2020-08-25
申请号：CN202010374303.5
申请日：2020-05-06
Applicant: 西安交通大学
IPC: G06F40/289 , G06F40/30 , G06F40/211 , G06F40/216 , G06F40/126 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种联合LW2V与Triplet网络的新闻主题事件检测方法，本发明利用Triplet网络在样本有限的条件下无监督的实现新闻聚类，在网络中提取新闻标题添加主题信息，通过新闻标题和新闻正文的信息交互联合学习对主题信息进一步强化，克服了传统聚类技术在实现新闻主题聚类的缺点与不足。本发明使用Triplet网络作为新闻主题聚类的基础架构，可以在样本数量有限的条件下直接对样本进行比较实现模型的训练。该网络打破深度学习无法实现无监督过程的瓶颈。同时克服了深度学习在大量样本条件下对模型进行训练的先决条件。
-
公开(公告)号：CN111581967B
公开(公告)日：2023-08-11
申请号：CN202010374303.5
申请日：2020-05-06
Applicant: 西安交通大学
IPC: G06F40/289 , G06F40/30 , G06F40/211 , G06F40/216 , G06F40/126 , G06F18/22 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种联合LW2V与Triplet网络的新闻主题事件检测方法，本发明利用Triplet网络在样本有限的条件下无监督的实现新闻聚类，在网络中提取新闻标题添加主题信息，通过新闻标题和新闻正文的信息交互联合学习对主题信息进一步强化，克服了传统聚类技术在实现新闻主题聚类的缺点与不足。本发明使用Triplet网络作为新闻主题聚类的基础架构，可以在样本数量有限的条件下直接对样本进行比较实现模型的训练。该网络打破深度学习无法实现无监督过程的瓶颈。同时克服了深度学习在大量样本条件下对模型进行训练的先决条件。
-
-
-
Search Results
4
records
(took 0.014 seconds)
