-
公开(公告)号：CN118171732B
公开(公告)日：2024-08-30
申请号：CN202410599858.8
申请日：2024-05-15
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06N5/022 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及信息及数据业务技术领域，尤其涉及一种基于微调大模型的超关系知识抽取方法、装置、电子设备及存储介质，其中，方法包括：获取文本数据，基于预设微调参数，构建超关系知识抽取指令；基于超关系知识抽取指令，利用微调大型语言模型构建超关系知识抽取模型；基于学习率预热和衰减策略，利用训练数据集对超关系知识抽取模型进行训练，得到训练完成的超关系知识抽取模型；利用超关系知识抽取模型抽取待解析文本中超关系知识，获得关系数据。采用大型语言模型，对其进行微调以适应超关系知识抽取任务；设计针对性的指令，从模型输出中抽取实体及其相关的多元关系，构建超关系知识图谱，实现了高效、精准地获取超关系并构建知识图谱。
-
公开(公告)号：CN118170894B
公开(公告)日：2024-07-30
申请号：CN202410607312.2
申请日：2024-05-16
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/194 , G06N3/042 , G06N5/022 , G06N5/048
Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。
-
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。
-
公开(公告)号：CN118447295A
公开(公告)日：2024-08-06
申请号：CN202410450591.6
申请日：2024-04-15
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06F18/213 , G06F18/23213 , G06F18/22
Abstract: 本申请提出了一种基于双提示的增量式适配异构分布的图像分类方法，包括：获取待分类的图像和对应的文本，并将图像和文本输入图像分类模型中，输出图像分类结果，其中，将图像和文本输入图像分类模型中，包括：确定图像的可计算向量，将其与共享提示拼接，并将拼接结果输入图像Transformer模型中，输出图像特征，其中，图像Transformer模型的注意力层嵌入个性化提示；将文本转换为向量，将其与个性化提示拼接，并将拼接结果输入文本Transformer模型中，输出文本特征，其中，文本Transformer模型包含图像和文本之间的语义联系；将图像特征和文本特征进行计算得到预测图像分类结果。采用上述方案的本发明能够有效缓解灾难性遗忘问题，实现了模型跨不同领域适配的能力。
-
公开(公告)号：CN118170894A
公开(公告)日：2024-06-11
申请号：CN202410607312.2
申请日：2024-05-16
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/194 , G06N3/042 , G06N5/022 , G06N5/048
Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。
-
Patent Agency Ranking
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：CN118069869A
公开(公告)日：2024-05-24
申请号：CN202410466869.9
申请日：2024-04-18
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/0442 , G06N5/04
Abstract: 本申请提出一种基于时间规律捕获的时序知识图谱推理方法及装置，涉及大数据、人工智能与知识图谱技术领域，该方法包括：获取用户查询输入，构建查询四元组，并获取历史数据；对四元组数据进行重复事实编码，得到历史数据统计向量；对动态图数据进行时间线拟合，得到筛选后的动态图数据和实体数据；对静态图数据进行全局编码，得到静态图上的实体和关系的编码矩阵，并使用局部编码方式、基于筛选后的动态图数据对编码矩阵进行更新；对查询四元组进行解码，将解码结果与更新后的编码矩阵进行得分计算，并将计算的解码得分与历史数据统计向量、实体数据结合，得到预测结果。采用上述方案的本申请能够基于历史数据，实现对较远的未来事实的准确预测。
-
公开(公告)号：CN117973556A
公开(公告)日：2024-05-03
申请号：CN202410023976.4
申请日：2024-01-05
Applicant: 北京邮电大学
Abstract: 本申请提出了一种云边协同架构下的增量学习系统，该系统包括应用层、引擎层、数据层，系统的使用角色包括服务构建者和服务使用者，服务构建者在云端对系统进行管理，服务使用者在边端使用系统所提供的服务，其中，应用层，用于为服务构建者提供增量学习配置交互入口，并为服务使用者提供对外增量学习服务接口；引擎层，用于根据服务构建者设定的增量学习配置参数对模型进行处理，并在边端进行模型部署，并在服务使用者使用对外增量学习服务时，进行模型推理；数据层，用于对边端缓存的增量数据进行聚合，并上传至云端，并在模型推理时，缓存推理过程中产生的增量数据。采用上述方案的本发明实现了云边协同架构下的增量学习。
-
公开(公告)号：CN117520525A
公开(公告)日：2024-02-06
申请号：CN202410016219.4
申请日：2024-01-05
Applicant: 北京邮电大学
IPC: G06F16/332 , G06N20/00
Abstract: 本申请提出了一种一站式多轮对话流程构建方法及装置，该方法包括：在画布中构建可视化对话流程图，其中，可视化对话流程图包括多种类型的节点，不同类型的节点收集各自对应的对话信息，不同类型的节点根据收集的对话信息配置与各个对话条件分支对应的对话逻辑规则；收集用户输入的实时对话信息，根据对话逻辑规则进行实时对话信息与对话条件分支的匹配；根据匹配到的对话条件分支进行后接节点的动作执行过程，生成对话故事。基于本申请提出的方案，将对话信息的配置融入到对话节点的创建过程，在一个界面完成整个多轮对话流程的编辑，有效的提高了对话流程构建和对话信息配置效率，同时显著降低了多轮对话逻辑梳理难度。
-
公开(公告)号：CN119884330A
公开(公告)日：2025-04-25
申请号：CN202510370888.6
申请日：2025-03-27
Applicant: 北京邮电大学 , 首都医科大学附属北京安贞医院
IPC: G06F16/3329 , G06F16/36 , G06F16/334 , G06N3/006 , G06N5/01 , G06N5/022 , G06N5/04
Abstract: 本申请提出一种基于蒙特卡洛树搜索和多智能体协作的知识图谱问答方法，包括：对多个智能体进行初始化，其中，每个智能体具有初始过程、状态和目标；通过多智能体协作生成图查询语句，得到具有评分的完整轨迹；利用蒙特卡洛树搜索方法，依据上述通过多智能体协作生成的查询轨迹，通过选择、扩展、模拟、反向传播步骤优化查询轨迹，生成可执行的图查询语句，并最终输出问题的答案集。本申请结合了端到端方法和逐步推理方法的优势，同时克服了其对知识图谱环境感知能力不足以及搜索空间过大的缺陷，通过设计扩展智能体、模拟智能体和取值智能体的分工协作机制，实现了动态生成、评估和优化查询路径，从而提高了问答系统的准确性与鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.065 seconds)
