-
公开(公告)号：CN115221334A
公开(公告)日：2022-10-21
申请号：CN202210720744.5
申请日：2022-06-23
Applicant: 北京邮电大学
Abstract: 本发明公开了基于量子计算的知识图谱补全方法、装置和系统，其中，该方法包括：输入三元组，将头实体和尾实体表示为量子态，将关系表示为量子门，根据预设规则初始化量子参数，生成特定于实体的量子态和特定于关系的量子门；将三元组的头实体通过关系映射到目标希尔伯特空间中，即将量子门应用到量子态上执行量子计算，获得预测的实体嵌入；将预测的实体嵌入表示和知识图谱中所有实体的嵌入表示计算距离，通过损失函数进行优化，使得知识图谱嵌入表示模型收敛，从而对知识图谱进行补全。本发明设计知识图谱嵌入表示模型QubitE，能够保持量子优势，而且是轻量级、高性能的，可以应用在各类场景中的知识图谱自动补全任务中。
-
公开(公告)号：CN115221334B
公开(公告)日：2024-07-16
申请号：CN202210720744.5
申请日：2022-06-23
Applicant: 北京邮电大学
Abstract: 本发明公开了基于量子计算的知识图谱补全方法、装置和系统，其中，该方法包括：输入三元组，将头实体和尾实体表示为量子态，将关系表示为量子门，根据预设规则初始化量子参数，生成特定于实体的量子态和特定于关系的量子门；将三元组的头实体通过关系映射到目标希尔伯特空间中，即将量子门应用到量子态上执行量子计算，获得预测的实体嵌入；将预测的实体嵌入表示和知识图谱中所有实体的嵌入表示计算距离，通过损失函数进行优化，使得知识图谱嵌入表示模型收敛，从而对知识图谱进行补全。本发明设计知识图谱嵌入表示模型QubitE，能够保持量子优势，而且是轻量级、高性能的，可以应用在各类场景中的知识图谱自动补全任务中。
-
公开(公告)号：CN116028610B
公开(公告)日：2023-06-09
申请号：CN202310113776.3
申请日：2023-02-15
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提出一种超关系知识图谱上的n元复杂查询嵌入方法，包括：根据超关系知识图谱构建复杂知识问答数据集；复杂知识问答数据集，包括多个一阶逻辑FOL问答查询计算图；获取N元FOL查询，根据N元FOL查询构建n元FOL查询计算图，以N元FOL查询中的实体作为锚节点，将实体的模糊向量嵌入作为锚节点嵌入；使用Projection操作得到所n元FOL查询计算图中每个锚节点对应的子查询的预测值嵌入；使用逻辑运算符对预测值嵌入进行变换；利用变换后的预测值嵌入和复杂知识问答数据集中的全体实体的嵌入时间计算相似度，获得N元FOL查询的答案实体。通过本发明提出的方法，能够处理任意n元事实中的任意位置实体查询，同时能满足n元关系查询中的所有类型的FOL查询。
-
公开(公告)号：CN113641826B
公开(公告)日：2024-03-26
申请号：CN202110726190.5
申请日：2021-06-29
Applicant: 北京邮电大学
IPC: G06N5/022 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本申请公开一种面向多源知识图谱融合的实体对齐方法、装置与系统，涉及大数据处理技术领域，该方案包括：提取知识图谱中实体的实体特征，根据实体的实体特征生成实体嵌入矩阵，并根据实体嵌入矩阵获取知识图谱的实体表示；根据实体表示计算实体与相邻实体的关系信息，根据关系信息增强实体表示得到完整实体表示；依据完整实体表示获取最终实体嵌入矩阵；根据最终实体嵌入矩阵和数据集计算损失函数；采用双向全局过滤策略对损失函数和实体的属性信息进行处理生成迭代正样本集和迭代负样本集，通过样本集对神经网络模型进行迭代训练。上述方案解决了现有技术中实体与关系之间的影响交互不足和低质量自举的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116028610A
公开(公告)日：2023-04-28
申请号：CN202310113776.3
申请日：2023-02-15
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提出一种超关系知识图谱上的n元复杂查询嵌入方法，包括：根据超关系知识图谱构建复杂知识问答数据集；复杂知识问答数据集，包括多个一阶逻辑FOL问答查询计算图；获取N元FOL查询，根据N元FOL查询构建n元FOL查询计算图，以N元FOL查询中的实体作为锚节点，将实体的模糊向量嵌入作为锚节点嵌入；使用Projection操作得到所n元FOL查询计算图中每个锚节点对应的子查询的预测值嵌入；使用逻辑运算符对预测值嵌入进行变换；利用变换后的预测值嵌入和复杂知识问答数据集中的全体实体的嵌入时间计算相似度，获得N元FOL查询的答案实体。通过本发明提出的方法，能够处理任意n元事实中的任意位置实体查询，同时能满足n元关系查询中的所有类型的FOL查询。
-
公开(公告)号：CN116842958B
公开(公告)日：2024-02-06
申请号：CN202311118558.5
申请日：2023-09-01
Applicant: 北京邮电大学
IPC: G06F40/295 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本申请提出了一种时序知识图谱补全方法及基于其的实体预测方法及其装置，涉及大数据技术领域，其中，该方法包括：获取待补全的时序知识图谱；获取待补全的时序知识图谱的头实体s、关系r以及时间戳t的嵌入表示；根据头实体s、关系r以及时间戳t的嵌入表示使用LorenTzE模型计算所有候选实体的得分，基于计算出的得分从候选实体中筛选出目标实体，并使用目标实体替代待补全的尾实体o，得到补全的时序知识图谱。采用上述方案的本申请具备更强的可解释性。
-
公开(公告)号：CN113641826A
公开(公告)日：2021-11-12
申请号：CN202110726190.5
申请日：2021-06-29
Applicant: 北京邮电大学
Abstract: 本申请公开一种面向多源知识图谱融合的实体对齐方法、装置与系统，涉及大数据处理技术领域，该方案包括：提取知识图谱中实体的实体特征，根据实体的实体特征生成实体嵌入矩阵，并根据实体嵌入矩阵获取知识图谱的实体表示；根据实体表示计算实体与相邻实体的关系信息，根据关系信息增强实体表示得到完整实体表示；依据完整实体表示获取最终实体嵌入矩阵；根据最终实体嵌入矩阵和数据集计算损失函数；采用双向全局过滤策略对损失函数和实体的属性信息进行处理生成迭代正样本集和迭代负样本集，通过样本集对神经网络模型进行迭代训练。上述方案解决了现有技术中实体与关系之间的影响交互不足和低质量自举的技术问题。
-
公开(公告)号：CN116842958A
公开(公告)日：2023-10-03
申请号：CN202311118558.5
申请日：2023-09-01
Applicant: 北京邮电大学
IPC: G06F40/295 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本申请提出了一种时序知识图谱补全方法及基于其的实体预测方法及其装置，涉及大数据技术领域，其中，该方法包括：获取待补全的时序知识图谱；获取待补全的时序知识图谱的头实体s、关系r以及时间戳t的嵌入表示；根据头实体s、关系r以及时间戳t的嵌入表示使用LorenTzE模型计算所有候选实体的得分，基于计算出的得分从候选实体中筛选出目标实体，并使用目标实体替代待补全的尾实体o，得到补全的时序知识图谱。采用上述方案的本申请具备更强的可解释性。
-
公开(公告)号：CN115269799A
公开(公告)日：2022-11-01
申请号：CN202210908399.8
申请日：2022-07-29
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于向量逻辑的知识图谱多跳推理方法与装置，其中方法包括，获取知识图谱，将知识图谱中的的知识与知识的描述信息解耦合，得到知识图谱数据；根据知识图谱数据构建知识图谱多跳推理模型，知识图谱多跳推理模型用于在知识图谱上进行多跳逻辑推理；获取知识图谱中的查询请求；根据知识图谱多跳推理模型获得查询请求对应的答案实体集。本发明可以在各类场景中的知识图谱回答涉及多跳查询。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
