[发明专利]一种基于自训练的小样本知识推理方法在审
| 申请号： | 202310734384.9 | 申请日： | 2023-06-20 |
| 公开（公告）号： | CN116933868A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 龚敬;张栗粽;惠孛;孙明 | 申请（专利权）人： | 成都开源众智信息技术有限公司 |
| 主分类号： | G06N5/02 | 分类号： | G06N5/02;G06N5/04;G06F18/214 |
| 代理公司： | 成都希盛知识产权代理有限公司 51226 | 代理人： | 陈泽斌 |
| 地址： | 610041 四川省成都市高*** | 国省代码： | 四川;51 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明涉及知识图谱领域，其公开了一种基于自训练的小样本知识推理方法，解决现有方法未能有效利用任务中未标记查询样本信息的问题，提升小样本场景下知识推理的效果。本发明在推理模型的训练过程中，首先确定当前训练的目标关系，基于目标关系提取数据并构建支持集和查询集，根据查询集构建未标记样本集合，接着基于支持集对目标关系的关系元表征进行学习，根据关系元表征计算未标记样本集合中所有样本对于目标关系的置信度分数，筛选出高置信度的样本加入到支持集，并通过迭代获得最终的关系元表征，接着利用最终的关系元表征计算查询集中的所有样本关系为目标关系的置信度分数，输出最高置信度分数的样本作为推理结果，并通过梯度下降更新模型参数。 | ||
| 搜索关键词： | 一种 基于 训练 样本 知识 推理 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都开源众智信息技术有限公司，未经成都开源众智信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310734384.9/，转载请声明来源钻瓜专利网。
- 同类专利
- 特征获取方法、装置、电子设备及存储介质-202310060166.1
- 翁泽峰;王国华;吴俊彦;陈千奔;张雨春 - 腾讯科技（深圳）有限公司
- 2023-01-18 - 2023-10-27 - G06N5/02
- 本公开关于特征获取方法、装置、电子设备及存储介质，包括：获取多个目标对象对应的对象关系网络图；对对象关系网络图进行节点结构类型分析得到目标节点结构类型；对对象关系网络图中目标节点结构类型的节点结构进行折叠，得到折叠网络图；基于折叠网络图更新对象关系网络图，并基于更新后的对象关系网络图，重复折叠步骤直至满足预设折叠收敛条件，得到多个折叠网络图和折叠图生成顺序；基于多个折叠网络图、对象关系网络图和折叠图生成顺序，对多个折叠网络图和对象关系网络图中节点进行节点迭代分析，得到对象关系网络图中多个节点的目标节点特征信息。利用本公开实施例可以更好的学习到对象关系网络图中的节点关系。
- 一种基于维修知识图谱的复杂设备维修指导方法-202310859923.1
- 马波涛;李越;张青;王开业 - 成都航天科工大数据研究院有限公司
- 2023-07-13 - 2023-10-27 - G06N5/02
- 本发明公开了一种基于维修知识图谱的复杂设备维修指导方法，其包括：构建维修知识图谱；基于维修知识图谱进行问题定位与维修操作指导；基于维修知识图谱进行维修任务规划；基于维修知识图谱生成自适应维修方案。本发明能够协助维修人员快速定位问题，并提供维修操作指导，提升维修人员工作效率，同时减少人为因素影响，有效降低操作遗漏与失误率。
- 基于路径不确定性的图谱补全方法-202311063743.9
- 卢国明;段贵多;许毅;罗光春;宁成彧;冯磊 - 电子科技大学
- 2023-08-22 - 2023-10-27 - G06N5/02
- 本发明公开了一种基于路径不确定性的图谱补全方法。该方法包括：确定待补全路径的知识图谱；知识图谱中包括多个待寻径头实体；将知识图谱输入至预先训练得到的路径补全模型中，得到与待寻径头实体相对应的至少一个待选择路径的奖励值；路径补全模型是基于路径编码模型、寻径模型和不确定性推导模型确定的；基于奖励值和预设路径筛选条件，确定目标路径；基于目标路径对知识图谱进行补全处理。解决了现有技术中基于模型概率预测进行图谱补全，导致实体信息挖掘不充分，图谱补全不全面，补全效果差的问题，实现提高图谱信息挖掘的全面性，提高补全后的图谱的完备性，进而提高图谱补全的效果。
- 一种基于盒嵌入的少样本知识图谱补全方法-202310391898.9
- 周光有;谢鹏辉 - 华中师范大学
- 2023-04-13 - 2023-10-27 - G06N5/02
- 本发明公开了一种基于盒嵌入的少样本知识图谱补全方法，包括：首先将实体建模为盒空间中的盒子，使用盒间交集显式捕获实体间的相关特征，以突出重要邻居特征，去除无关特征；其次利用对偶注意网络中的位置编码器和通道编码器来分别捕获头尾实体之间的上下文关系语义和参考三元组之间的公共关系语义；最后应用元学习框架对少样本关系进行训练。本发明通过实体盒交集来捕获邻居实体中与当前任务相关的邻居信息，从而其提取重要特征，并通过关系间的相似值大小来度量邻居特征的重要程度，应用注意力机制对各邻居信息进行聚合；应用对偶注意网络分别从上下文层面和三元组层面来编码参考集中的关系特征。
- 自动生成推理图-201880086281.3
- 克里斯托弗·泰勒·克赖尔;威廉·佩吉·维塔尔;克里斯托弗·肖恩·沃森 - 科蒂维蒂公司
- 2018-10-04 - 2023-10-27 - G06N5/02
- 本文公开的实施例涉及用于对推理图进行直译并使用直译后的推理图来确定见解的方法和系统。
- 图谱构建方法、装置、计算机设备及存储介质-202310969973.5
- 陈奕宇 - 中国平安财产保险股份有限公司
- 2023-08-01 - 2023-10-24 - G06N5/02
- 本申请属于人工智能领域与金融科技领域，涉及一种图谱构建方法，包括：获取预设数量的不同企业的企业数据；基于各企业数据之间的相似度构建相似度矩阵；基于相似度矩阵构建拉普拉斯矩阵；对拉普拉斯矩阵进行谱分解得到对应的节点特征向量；基于预设的谱聚类算法对节点特征向量进行聚类处理，得到对应的聚类数据；基于聚类数据构建对应的目标企业图谱。本申请还提供一种图谱构建装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，目标企业图谱可存储于区块链中。本申请可应用于金融领域的企业图谱构建场景，基于谱聚类算法的使用可以实现快速准确地生成与企业数据匹配的通用的目标企业图谱，提高了企业图谱的生成效率与数据准确度。
- 一种基于自训练的小样本知识推理方法-202310734384.9
- 龚敬;张栗粽;惠孛;孙明 - 成都开源众智信息技术有限公司
- 2023-06-20 - 2023-10-24 - G06N5/02
- 本发明涉及知识图谱领域，其公开了一种基于自训练的小样本知识推理方法，解决现有方法未能有效利用任务中未标记查询样本信息的问题，提升小样本场景下知识推理的效果。本发明在推理模型的训练过程中，首先确定当前训练的目标关系，基于目标关系提取数据并构建支持集和查询集，根据查询集构建未标记样本集合，接着基于支持集对目标关系的关系元表征进行学习，根据关系元表征计算未标记样本集合中所有样本对于目标关系的置信度分数，筛选出高置信度的样本加入到支持集，并通过迭代获得最终的关系元表征，接着利用最终的关系元表征计算查询集中的所有样本关系为目标关系的置信度分数，输出最高置信度分数的样本作为推理结果，并通过梯度下降更新模型参数。
- 一种基于知识图谱布置弹性作业的方法、系统及装置-202311188981.2
- 刘振雨;蒋召宝;左立峰;吴斌;李明轩 - 浪潮软件股份有限公司
- 2023-09-15 - 2023-10-24 - G06N5/02
- 本发明公开了一种基于知识图谱布置弹性作业的方法、系统及装置，属于教育及数据分析技术领域，该方法的实现包括建立知识点的知识图谱，构建知识点相关联的基础作业，构建学生知识点掌握画像及弹性作业的布置，所述建立知识点的知识图谱，建立知识点与知识点之间的关系，根据知识点之间的关系构建非结构化的图数据库，建立起知识点与知识点之间的网状结构；所述构建知识点相关联的基础作业，根据所述的知识图谱构建基础作业；所述构建学生知识点掌握画像，根据学生的学习进度建立学生与知识点之间的关系，并动态的更新知识点的掌握程度。本发明能够根据学生的个人情况生成特定的弹性作业，符合学生的学习情况，减少老师布置个性作业的压力。
- 关联分析方法及装置-202310759451.2
- 李智伟 - 中国移动通信集团北京有限公司;中国移动通信集团有限公司
- 2023-06-26 - 2023-10-20 - G06N5/02
- 本申请涉及关联分析技术领域，提供一种关联分析方法及装置。所述方法包括：将长事件序列拆分为多个子序列；所述长事件序列是从系统日志中抽取的，所述长事件序列包括多个按照时间顺序排列的事件；将任一子序列和所述任一子序列中的起始事件进行组合，得到二维事件；将所有二维事件进行组合，并剔除重复的二维事件，得到二维事件集；对所述二维事件集进行挖掘，得到频繁情节；生成多个频繁情节之间的关联规则。本申请实施例提供的关联分析方法及装置可以保证挖掘到所有频繁情节的同时，不会因为对相同的二维事件进行重复处理而损失计算性能，且能够降低算法复杂度。
- 一种零抑制的增量知识调优方法、装置及电子设备-202310712776.5
- 钟秀琴;陈昶宇;符红光;龚昊然;韩威俊 - 电子科技大学
- 2023-06-13 - 2023-10-20 - G06N5/02
- 本申请提供一种零抑制的增量知识调优方法、装置及电子设备，该方法应用于调优网络中，样本生成逻辑模块获取包括随机样本和调优样本的训练数据和数据来源标记值，将各样本输入第一个预训练解码器组和相应旁路插件网络组，将样本标签值和数据来源标记值输入损失模型；通过预训练解码器组和相应旁路插件网络组的计算，得到各旁路插件网络组输出的组零抑制损失值和最后输出的当前预训练隐层值，以使网络输出模块得到网络输出结果，损失模型确定网络输出结果的总体损失值，并基于总体损失值对各旁路插件网络组中的参数进行调节。该方法通过旁路插件网络实现零抑制正则化训练，避免调优过程中的大模型历史预训练知识的灾难性遗忘问题，提高模型性能。
- 基于多源语义网络的地理实体多层次关系构建方法及装置-202310944844.0
- 柏冰;王宇翔;王涛;于亚冉 - 航天宏图信息技术股份有限公司
- 2023-07-31 - 2023-10-20 - G06N5/02
- 本发明提供了一种基于多源语义网络的地理实体多层次关系构建方法及装置，包括：获取待处理的多个地理实体；从多源语义网络中提取地理实体同名同义的节点及节点关联信息，以构建同名同义关系网；从第一地理实体对应的同名同义关系网中，提取第二地理实体同名同义的节点及节点关联信息，以构建目标实体对关系网；基于目标实体对关系网抽取直接关系；以及，基于第一地理实体、第二地理实体对应的同名同义关系网，确定隐含关系；将直接关系和/或隐含关系，作为实体多层次关系构建结果。本发明可以显著降低构建地理实体关系过程中所需的人工工作量，而且可以挖掘实体间更深层次的隐含关系，从而较好地支撑地理实体关联分析及空间规划决策。
- 时序知识图谱补全方法、装置、电子设备和存储介质-202310788771.0
- 杨帆;白洁;李林静;曾大军 - 中国科学院自动化研究所
- 2023-06-29 - 2023-10-13 - G06N5/02
- 本发明提供一种时序知识图谱补全方法、装置、电子设备和存储介质，方法包括：获取四元组形式的时序知识图谱，以及时序知识图谱对应的历史信息，时序知识图谱以预设比例划分为训练集、验证集、测试集；基于训练集，进行有监督学习得到教师补全模型；基于验证集，对教师补全模型和学生补全模型进行知识蒸馏学习，并对学生补全模型进行有监督学习，得到当前时刻的补全模型；基于补全模型，应用历史信息确定测试集的预测结果；基于预测结果，对测试集进行图谱补全。本发明提供的方法、装置，提升了补全模型的可塑性，实现了从新的事件信息中完成准确的图谱补全的功能，同时在没有新的事件信息时，仍能稳定的进行图谱补全，提升了补全模型的稳定性。
- 面向专业文本的无监督知识图构建方法和装置-202311146916.3
- 孙宇清;夏天宇;马磊;肖国亮;袁峰 - 山东山大鸥玛软件股份有限公司
- 2023-09-07 - 2023-10-13 - G06N5/02
- 一种面向专业文本的无监督知识图构建方法和装置，属于自然语言处理的技术领域。本发明提出了一种用于描述专业文本中知识内容的知识图概念，其核心是专业知识中的术语、实体和重要通用词汇构成的专业要素及其之间的关联关系：首先，设计了基于专家规则的专业要素抽取方法用于构建知识图的节点集，通过专业要素的抽取可以识别考生文本中的中心思想，提炼重要词汇；然后，对于抽取出的专业要素，融合其局部上下文特征、依存句法特征和语义相似度特征作为两专业要素之间关联关系的特征，得到知识图的边集及对应特征。本发明能够对缺少实体关系标记的专业文本进行知识抽取，得到的知识图可以反映文本中的专业知识，具有一定的可读性。
- 基于图卷积对比学习和XLNet的知识图谱嵌入方法-202310015102.X
- 廖伟智;梁铮琰;阎德劲 - 电子科技大学
- 2023-01-05 - 2023-10-13 - G06N5/02
- 本发明涉及知识图谱嵌入技术领域，提供一种基于图卷积对比学习和XLNet的知识图谱嵌入方法，其包括以下步骤：1)知识图谱图结构构建；2)基于图对比学习框架的GNN‑XLNet模型训练；3)实体链接。本发明提出的知识图谱嵌入方法，既减少了数据标注的工作量，又使知识图谱具备了较高的精确度。本发明通过图对比学习，增加了知识图谱样本量，使得深度学习模型的训练效果得到提升。本发明通过GNN‑XLNet模型，使得知识图谱嵌入能同时从图结构特征和语义特征两个方面获得特征提取，从而完成更好的嵌入。本发明能较佳地进行知识图谱的嵌入。
- 一种基于共指消歧的文档级事件抽取方法-202310701623.0
- 孙新;李帆;姜景虎 - 北京理工大学
- 2023-06-14 - 2023-10-10 - G06N5/02
- 本发明涉及自然语言处理和深度学习技术领域，特别涉及一种基于共指消歧的文档级事件抽取方法。本发明的主要技术方案包括：通过命名实体识别得到文档中的全部命名实体；通过共指消歧将表示同一事物的实体集合在一起，得到共指实体集合；利用实体交互、句子交互和共指关系对文档进行处理，得到一个以句子为结点的同构图；将具有相似语义或主题的句子集合在一起，并采用句子级注意力机制进行降噪处理，得到句子团体；对句子团体进行分类，得到事件类型，进一步得到对应的论元。通过本发明的抽取方法，能够有效处理现有文档级事件抽取方法没有考虑共指消歧和句子团体内噪声影响的问题。
- 一种基于数据驱动的价值取向评估体系构建方法-202310883308.4
- 张勇东;毛震东;陈伟东;郭俊波;符凤仪 - 中国科学技术大学;人民网股份有限公司
- 2023-07-19 - 2023-10-10 - G06N5/02
- 本发明涉及人工智能技术领域，公开了一种基于数据驱动的价值取向评估体系构建方法，包括：数据获取；属性获取；标签语义知识体系构建：结合n‑gram属性和文章属性，对各个n‑gram词汇及文章语料建立连接，构建标签语义知识体系；标签语义知识体系包括：n‑gram词汇与文章语料的关联性，以及n‑gram词汇间的关联性；本发明基于社交媒体广泛的数据语料驱动，搭建了一套数据语料的价值取向相关属性的分析处理工具，实现可实时更新的价值取向评估体系的构建，为实现社交媒体价值取向的维护提供基础。
- 一种基于多任务学习的知识图谱链接预测方法、计算机设备及存储介质-202310620744.2
- 王也;杨建华;韩启龙;宋洪涛;刘鹏 - 哈尔滨工程大学;哈尔滨龙明科技有限公司
- 2023-05-29 - 2023-10-03 - G06N5/02
- 一种基于多任务学习的知识图谱链接预测方法、计算机设备及存储介质，涉及知识图谱补全领域。解决现有InteractE模型存在的平移特性被破坏的问题。本发明提供以下方案，对知识图谱数据集进行预处理生成逆关系三元组，将得到的逆关系三元组的知识图谱数据集作为输入；构建基于多任务学习的知识图谱链接预测模型；在所述预测模型的训练集上进行迭代训练；将验证集中待预测逆关系三元组的头实体和关系输入到所述模型中，得到InteractE模型作为解码器的全部尾实体的预测得分，将测试集中待预测三元组的头实体和关系输入加载模型参数的模型中，预测得分最高的尾实体作为输出。适用于知识图谱中已经存在的头实体和关系信息预测缺失的尾实体的方法中。
- 一种确定控制方案的推荐概率的方法、装置及存储介质-202310077141.2
- 刘敏;宋骋;杜兆臣;孟卫明 - 海信集团控股股份有限公司
- 2023-01-19 - 2023-10-03 - G06N5/02
- 本公开涉及设备控制技术领域，公开了一种确定控制方案的推荐概率的方法、装置及存储介质，该方法为：从知识图谱中确定控制方案包括的各控制参数对应的实体，以及确定实体对应的各属性，基于实体对应的各属性，确定各属性对实体的影响值，该影响值表征各控制参数与推荐概率之间的相关程度，基于各实体和与实体对应的影响值，确定控制方案的特征向量，将特征向量和历史特征向量输入到预先训练好的深度学习模型中，得到控制方案的推荐概率，该历史特征向量由控制方案对应的智能家居设备已使用的控制方案确定，上述在知识图谱的实体中加入各属性，在计算控制方案的推荐概率时考虑了各个属性特征对实体的影响，提升了控制方案的推荐概率的准确性。
- 一种面向邻居实体层次信息聚合的知识表示学习方法-202310779688.7
- 杨海陆;孔德龙;张金;张庆财;李骜;陈晨;王莉莉 - 哈尔滨理工大学
- 2023-06-29 - 2023-09-29 - G06N5/02
- 本发明公开了一种面向邻居实体层次信息聚合的知识表示学习方法。首先，对中心目标实体周围不同层次的结构特征进行区分和度量。其次，针对星型结构利用图注意力网络对一跳邻居实体进行信息聚合。接着，针对三角形结构利用关系路径编码对多跳邻居实体进行信息聚合。然后，对所得到的关于中心实体的表示向量进行特征融合，制定损失函数并进行模型训练。最后，设计解码器convKB对上一步得到的特征向量训练和学习。现有方法未对中心目标实体周围的不同层次的结构特征进行区分和度量，导致中心目标实体与关系的表示结果产生过平滑性现象，实体链接预测效果较低。
- 一种发散式关联的风机设备运检知识图谱构建及检索方法-202310557369.1
- 满于维;卜俊文;王正海;李泽 - 广西卓洁电力工程检修有限公司
- 2023-05-17 - 2023-09-29 - G06N5/02
- 本发明涉及一种发散式关联的风机设备运检知识图谱构建及检索方法，属于风机设备运检与知识图谱领域，针对结构化数据如关系型数据库中的数据，完成从结构化数据到知识图谱到映射，实现从数据库向知识图谱的转化；针对非结构化数据，主要采用深度学习的方法，对风机运检过程产生的文本和网页信息进行知识抽取，完成实体识别与关系抽取，并将知识融合后的数据存入到Neo4j中，通过Neo4j图数据库实现知识图谱的可视化展示并可以使用Cypher查询语言进行语义查询。方便运维人员快速查询运维知识，挖掘运维数据。
- 基于实体与关系聚合图的知识图谱嵌入模型-202210238656.1
- 饶国政;许国顺 - 天津大学
- 2022-03-10 - 2023-09-26 - G06N5/02
- 本发明公开一种基于实体与关系聚合图的知识图谱嵌入方法，是将知识图谱中的实体和关系均视为图神经网络中的节点，均采用图神经网络的消息传递机制进行更新；采用编码器‑解码器架构实现端到端的训练；实体与关系聚合图神经网络层作为模型的编码器，利用图神经网络的消息传递机制来捕获实体与关系之间的交互信息，生成实体和关系的嵌入向量并进行更新；解码器以实体和关系的嵌入向量为输入，计算得到三元组的评分值作为输出。本发明提将图神经网络的消息传递机制用于实体节点更新，还将关系视为图中的节点同样采用消息传递机制更新，能够加强实体和关系之间的信息交互。
- 一种知识图谱构建和动态扩展方法、装置、设备及介质-202310766016.2
- 陈志强;仇瑜;褚晓泉;高云鹏;刘德兵 - 北京智谱华章科技有限公司
- 2023-06-27 - 2023-09-26 - G06N5/02
- 本申请涉及一种知识图谱构建和动态扩展方法、装置、设备及介质，属于知识图谱技术领域，解决了现有技术中对于知识图谱的构建和动态扩展中通用性差的问题。本申请技术方案主要包括：基于扩展前的第一知识图谱进行正三元组采样以及对应的负采样构建自监督数据集，使得知识图谱的扩展无需借用外部数据，同时通过改进负采样并采用不同的关系生成训练样本，一方面提高了微调后的模型对于预测任务结果的准确性，另一方面设置不同的关系内容可以提高图谱构建的通用性。此外，还通过改进的链接位置匹配算法中考虑到垂直路径和得分的关系以及第一知识图谱的不完整性，提高知识图谱扩展时的链接位置和链接方式的准确性和通用性。
- 一种基于交替归纳的知识图谱关系预测方法-202310705117.9
- 马江涛;周辰宇;王艳军;李祖贺;张秋闻;庾骏;李璞;李玉华;张勋才;马宇科;李霆;晋文朵;程佳;刘博;李坤霖;孙一帆;卫梦屹;付一龙 - 郑州轻工业大学
- 2023-06-14 - 2023-09-22 - G06N5/02
- 本发明提出了一种基于交替归纳的知识图谱关系预测方法，其步骤如下：初始化知识图谱中每个实体的子图；使用子图序列化模型将子图转化为序列，学习序列化特征得到状态序列；使用偏好强化模型学习子图之间的共同偏好的权重，利用权重表示实体和尾实体的潜在子图；使用交替聚合模型处理潜在子图归纳不同的归纳子图，通过归纳子图之间的得分预测实体之间的关系并输出。本发明通过在知识图谱中学习候选实体周围的子图来预测关系，避免学习嵌入任何特定实体，可以在推理阶段处理新的看不见的实体；通过学习单个子图中层级之间的潜在关联和不同子图之间的共性来预测推测未知实体之间的关系，提高了知识图谱关系预测的效果和效率，提高了知识图谱质量。
- 一种有机无机杂化钙钛矿性能预测方法、预测系统及装置-202310820237.3
- 洒荣建;胡俊杰;李德晶;张燕杰;叶远松 - 闽江学院
- 2023-07-06 - 2023-09-22 - G06N5/02
- 本发明公开了一种有机无机杂化钙钛矿性能预测方法、预测系统及装置，具体步骤如下：获取任意的有机无机杂化钙钛矿的结构信息数据；从结构数据中提取有机骨架结构信息和无机骨架结构信息并转化为图网络输入数据，利用图神经网络处理得到骨架结构信息的演化结果，有机骨架结构信息和无机骨架结构信息聚合后编码为量子态数据，将聚合后的量子态数据输入到具有学习功能的预测量子图神经网络中，并对预测量子图神经网络进行训练和优化；最后利用优化后的预测量子图神经网络求解目标有机无机杂化钙钛矿构效关系。该方法能够在量子计算平台以及经典量子协同的计算体系架构下，采用量子图神经网络求解有机无机杂化钙钛矿的构效关系。
- 一种基于多层奖励和分步训练的知识图谱截取方法和设备-202310856616.8
- 孙泽懿;张静;吴信东 - 之江实验室
- 2023-07-12 - 2023-09-22 - G06N5/02
- 本发明涉及一种基于多层奖励和分步训练的知识图谱截取方法和设备，用于根据知识图谱中选定的多个节点，得到与选定节点所属领域相关的子图，方法包括数学建模、分布训练和模型使用三部分。在数学建模过程中设计基于episode和基于step的奖励，在训练过程中首先基于有监督学习的策略网络初步训练，然后基于奖励的再训练。与现有技术相比，本发明实现从知识图谱中基于给定的若干节点来截取所属领域的子图的同时，具有模型建模准确度高、训练收敛性好等优点。
- 一种复杂网络优化方法、设备及介质-202310853554.5
- 郭峰涛;刘耀杰;邱奕元;未凡;彭景 - 四川省唯品富邦消费金融有限公司
- 2023-07-12 - 2023-09-22 - G06N5/02
- 本发明公开了一种复杂网络优化方法、设备及介质，包括以下步骤:对复杂网络中节点的特征信息开展特征工程，生成衍生变量库，所述复杂网络包括多个节点、节点与节点之间的关系和与节点对应的属性信息，所述特征信息包括属性信息；生成所述复杂网络中该节点的质量标签；根据所述质量标签和所述衍生变量库对所述衍生变量库中的变量进行筛选，得到重要变量集；对所述重要变量集中的变量进行聚类分析，得到与不同变量组合对应的聚类结果；根据预设判定指标对所述聚类结果进行筛选，得到待更新的变量组合；根据待更新的变量组合对所述复杂网络中节点的属性信息进行更新。其实现复杂网络的自适应优化，效率高。
- 基于种子-扩展启发式搜索的电网图谱最大公共子图发现方法-202310858886.2
- 肖家锴;钱洋;熊迎秋;陈锡祥;王安宁;韩学民;肖楠;王鑫 - 国网安徽省电力有限公司;合肥工业大学
- 2023-07-13 - 2023-09-22 - G06N5/02
- 本发明公开了一种基于种子‑扩展启发式搜索的电网图谱最大公共子图发现方法，是用于同源物理电力网络而不同应用场景的电网图谱间拓扑结构比对，发现最大公共子图，包括以下步骤：1.根据电网图谱的节点标签和度构建图谱间节点的相似性得分函数，2.基于种子‑扩展启发式搜索的电网图谱全局比对方法，进而发现图谱间的最大公共子图。本发明将两个比对的电网图谱转化为无向图，并建立相应的比对图，进而将两个网络的结构比对问题转化为公共子图的问题，根据定义的节点相似性度量方法以及节点之间的拓扑结构关系，计算所有节点间的相似度，最终借助于基于种子‑扩展的启发式搜索予以求解，得到同源电网图谱间的最大公共子图。
- 知识图谱链接预测方法及系统-202310303624.X
- 闫德祥;王飞;葛江涛;王禹力;于翔;苏骞;申治明;刘忆璐 - 中国电子科技集团公司第二十九研究所
- 2023-03-24 - 2023-09-19 - G06N5/02
- 本发明公开了一种知识图谱链接预测方法及系统，属于知识图谱链接领域，包括步骤：实体连通差异预处理，计算偏僻实体阈值并采用规则补全对其进行连通性处理；计算过饱和实体阈值，采用邻域注意力排序截断对其进行连通性处理；预处理后，生成均衡知识图谱；将生成的所述均衡知识图谱输入至目标导向注意力网络中进行嵌入学习，将预测链接任务融入至邻域交互作用体，计算目标导向的邻域注意力，针对链接预测任务的预测链接进行针对性的嵌入更新和进行链接预测。本发明提高了知识图谱的质量，增强了聚合邻域信息更新嵌入的效果，有效提高了注意力分配的质量，增强了嵌入学习的质量，提高了知识图谱链接预测任务的准确度。
- 一种预测模型的训练方法、装置、存储介质及电子设备-202311053464.4
- 余磊;吕劲松;陈红阳 - 之江实验室
- 2023-08-21 - 2023-09-15 - G06N5/02
- 本说明书公开了一种预测模型的训练方法、装置、存储介质及电子设备，通过对样本图中的各节点进行聚类，再基于聚类结果中与目标节点属于相同聚类簇但与目标节点不存在链接关系的各节点，以及与所述目标节点距离较近但与该目标节点之间也不存在链接关系的各节点，确定指定节点，并将该指定节点和目标节点进行组合得到负样本对，以及根据确定出的负样本对和基于样本图中原有的链接关系确定出的正样本对，对该预测模型进行训练。本方法能充分考虑并利用节点间的相似信息进行负采样，从而使得训练得到的预测模型，可针对每个节点，准确预测其他节点与该节点之间存在链接关系的可能性，提高了预测结果的准确率。
- 用于优化电子服装订购平台中的可穿戴项目选择的系统和方法-202180016369.X
- 张礼薇;格奥尔基·戈尔登贝格;克里希南·维什瓦纳特;蒋东溟 - 凯首公司
- 2021-02-05 - 2023-09-15 - G06N5/02
- 公开了用于在订购电子交易平台中分派可穿戴项目的方法、系统和非暂态计算机可读介质。例如，方法可以包括：基于关于历史发货的可穿戴项目的信息来生成网格，其中该网格包括至少第一单元和第二单元；确定指示已经使用多少可穿戴项目的平均百分比和可穿戴项目的平均预测使用率度量，该平均预测使用率度量指示针对每个单元发货的每多个可穿戴项目中用户使用可穿戴项目的倾向；生成映射，该映射被配置为将预测使用率度量转换为压制的预测使用率度量；以及基于所生成的映射将预测使用率度量转换为压制的预测使用率度量。
- 专利分类
