一种基于生成扩散的知识图谱补全方法及系统

    公开(公告)号:CN117540797A

    公开(公告)日:2024-02-09

    申请号:CN202311682780.8

    申请日:2023-12-08

    Abstract: 本发明公开了一种基于生成扩散的知识图谱补全方法及系统,属于知识图谱技术领域,具体包括:采用知识图谱嵌入模型TransE,学习知识图谱实体和关系的嵌入向量,构建基于生成扩散的反事实样本生成模型,包括构建语义编码器与条件去噪扩散隐式模型,语义编码器将原有的嵌入向量转化为潜在语义向量并作为条件输入到条件去噪扩散隐式模型中,条件去噪扩散隐式模型通过正向和逆向扩散过程获得原有的嵌入向量的反事实样本,构建基于卷积神经网络的知识图谱补全模型,将原有的嵌入向量和反事实样本输入到训练好的知识图谱补全模型,降序排序所有样本的预测得分,选择得分排序靠前的样本进行知识图谱的补全,提高知识图谱补全的准确性和鲁棒性。

    RPA资源调度方法、装置、设备及存储介质

    公开(公告)号:CN117076065A

    公开(公告)日:2023-11-17

    申请号:CN202310909784.9

    申请日:2023-07-21

    Abstract: 本发明公开了一种RPA资源调度方法、装置、设备及存储介质,方法包括如下步骤:对于新进入的任务,添加状态标识为默认值;当最高优先级的队列进入新的任务时,获取任务的状态标识,若状态标识不是默认值,则根据队列中所有任务的剩余需执行时间调整时间片,若是默认值,则不调整时间片;当最高优先级的队列按照设置的时间片执行后,将队列中所有任务的状态标识修改为非默认值;判断队列中是否还存在未完成的任务,若否,结束调度,若是,则在队列数量不超预设值时,创建一个优先级低于当前优先级的队列,并将所有未完成任务放入到创建的队列中执行,以此类推,直至全部任务完成。本发明的时间片可以动态调整,降低了任务的平均周转时间和平均等待时间。

Patent Agency Ranking