-
公开(公告)号：CN104881399A
公开(公告)日：2015-09-02
申请号：CN201510250005.4
申请日：2015-05-15
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于概率软逻辑PSL的事件识别方法和系统，所述方法包括：计算至少候选与事件、以及至少在同一文档和/或同一语句中出现候选与主题、事件与主题、两个不同候选或两个不同事件中的至少任意一个的条件概率；在PSL模型中为不同条件概率分别设定对应的变量，设计并根据PSL模型的变量公式进行迭代，以最大化候选与事件的条件概率对应的变量，得到候选在最大化条件下对应的特定的事件，并构成事件识别模型。本发明所述方法能够提高事件识别的准确性。
-
公开(公告)号：CN104820694A
公开(公告)日：2015-08-05
申请号：CN201510208978.1
申请日：2015-04-28
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
CPC classification number: G06F17/30401 , G06F17/30557
Abstract: 本发明提供一种基于多知识库和整数线性规划ILP的自动问答方法和系统，所述方法包括：创建用于索引多个知识库的实体和/或关系的资源字典；在所述资源字典中查询并由自然语句的多个文本片段映射到的多个实体和/或多个关系构成多个候选资源；对各候选资源执行转换，获得对应的多个模板；将所述各文本片段、映射、候选资源、转换、和模板组合成消歧图；根据ILP对所述消歧图进行联合推理、选取至少一个待查询模板来生成规范查询语句。本发明所述方法能够对自然语句在多知识库中进行较精确的查询。
-
公开(公告)号：CN104572892A
公开(公告)日：2015-04-29
申请号：CN201410817856.8
申请日：2014-12-24
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30707
Abstract: 本发明公开了一种基于循环卷积网络的文本分类方法，包括以下步骤：步骤1，利用双向循环网络对所有词进行上下文向量的表示；步骤2，将上下文向量及当前词的词向量组合成当前词的表示；步骤3，利用最大池化技术提取最重要的上下文信息得到文本表示；步骤4，利用文本表示进行文本分类。该方法能够较多地保留文本中的词序信息，捕捉长距离的文本依赖关系，精确刻画词的语义，并通过最大池化技术找到对文本分类影响最大的词和短语。有效地提高了文本分类的准确率。经过试验证明，本方法在多个文本分类数据集上平均提升1％。
-
公开(公告)号：CN119513330A
公开(公告)日：2025-02-25
申请号：CN202411695690.7
申请日：2024-11-25
Applicant: 中国科学院自动化研究所
IPC: G06F16/36 , G06F16/3329 , G06N5/04 , G06F18/22 , G06F18/25 , G06F18/214 , G06N5/047
Abstract: 本发明公开了一种基于大模型的人物知识图谱复杂问答推理的智能体方法。该方法包括：基于多种召回方式，根据待回答问题动态匹配对应的提示示例，所述多种召回方式包括嵌入向量相似度匹配、字符串模糊匹配、融合匹配的任一种；采用少样本提示的方式，利用大语言模型进行待回答问题的关键实体识别、关系筛选、多候选实体递归搜索，获得待回答问题的各子问题的待选实体集；基于待选实体集，利用大语言模型以智能体的方式迭代生成思考、行动，并通过与知识图谱交互得到的观察结果，多轮交互后得到最终的答案。本发明以高质量的提示增强大语言模型的推理能力。
-
公开(公告)号：CN119476482A
公开(公告)日：2025-02-18
申请号：CN202411521465.1
申请日：2024-10-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种针对大型语言模型的毒性思维链分析和优化方法及装置，方法包括：获取问题文本输入到大语言模型进行文本问答；通过归因追踪分析生成毒性思维链时存在的推理漂移信息损失，或者通过因果追踪分析根据毒性思维链生成回答文本时存在的回答偏移信息损失；当分析出存在推理漂移信息损失时，对毒性思维链进行残差解码得到优化思维链，当分析出存在回答漂移信息损失时，在思维链文本片段中，将问题文本与毒性思维链进行文本序列位置交换，得到优化文本序列，以使大语言模型基于优化思维链或优化文本序列，生成回答文本。通过本申请，克服在问答场景中，大语言模型毒性思维链的优化方法不能普遍适应，导致推理性能低下的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN115062603B
公开(公告)日：2024-11-29
申请号：CN202210557374.8
申请日：2022-05-20
Applicant: 中国科学院自动化研究所
IPC: G06F40/205 , G06F40/189 , G06F40/30 , G06F40/289 , G06F40/295 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及自然语言处理技术领域，提供一种对齐增强语义解析方法、装置和计算机程序产品，所述方法包括：预测知识问答任务中对应对齐关系的短语，并基于对应对齐关系的短语的类型生成对应的查询片段，其中，对齐关系包括短语和对应的查询片段；将序列化的对齐关系拼接至输入序列，并将输入序列输入编码器‑解码器解析模型的编码器模型，获取对齐的编码结果；将对齐的编码结果进行注意力操作并输入编码器‑解码器解析模型的解码器模型，解析并输出对齐关系对应的查询语句，其中，解码器模型是利用含噪对齐训练获得。本发明可实现较大粒度的建模对齐，且提高解析准确度及噪声对解析模型的鲁棒性。
-
公开(公告)号：CN118709776A
公开(公告)日：2024-09-27
申请号：CN202410611393.3
申请日：2024-05-16
Applicant: 中国科学院自动化研究所 , OPPO广东移动通信有限公司
Abstract: 本发明提供一种多跳问答方法、装置、设备及介质，涉及计算机技术领域，该方法包括：将目标问题的当前交互记录信息和目标问题输入至分解模型，得到当前交互决策信息；在当前交互决策信息中包括目标问题中的当前交互子问题的情况下，根据当前交互子问题和当前交互子问题的知识信息，确定目标输入信息，并将目标输入信息输入至响应模型，得到响应模型输出的当前交互子问题的答案预测信息；将当前交互子问题的答案预测信息增加至当前交互记录信息中，得到下一交互记录信息，继续将下一交互记录信息和目标问题输入至分解模型，直到分解模型输出的下一交互决策信息中包括目标问题的答案预测信息。本发明实现提高了多跳问答准确性和效率。
-
公开(公告)号：CN118643899A
公开(公告)日：2024-09-13
申请号：CN202410682396.6
申请日：2024-05-29
Applicant: 中国科学院自动化研究所 , 上海人工智能创新中心
Abstract: 本发明提供一种基于知识筛选的常识推理模型的训练方法、装置，该方法包括：获取样本问答对；基于初始常识推理模型对样本问答对的初始背景知识进行筛选得到优选背景知识；基于优选背景知识、样本问题以及初始常识推理模型，确定样本问题的推理答案；基于样本问题的推理答案以及样本答案进行训练迭代，以得到基于知识筛选的常识推理模型；初始常识推理模型是基于构建第一约束和第二约束，并对第一约束和第二约束进行变分估计确定约束上界得到的；第一约束用于最大化优选背景知识与样本问答对之间的关联；第二约束用于最小化优选背景知识与初始背景知识之间的关联。本发明提供的方法，实现精准有效的知识筛选，提升模型推理的准确性和推理速度。
-
公开(公告)号：CN118551009A
公开(公告)日：2024-08-27
申请号：CN202410626490.X
申请日：2024-05-20
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06F16/33 , G06N3/045 , G06N3/0499 , G06N3/0985
Abstract: 本发明提供一种基于想象增强的问答交互模型训练、问答交互方法及装置，所述方法包括：基于检索文本的压缩文本，对大语言模型进行微调，并基于微调后的大语言模型生成问题文本对应的虚拟文本，检索文本是问题文本的增强文本；将问题文本以及虚拟文本输入至学生模型，得到学生模型输出的问题文本的学生答案文本，学生模型的注意力层中添加有适配器，适配器的权重是将问题文本输入至元学习网络后确定的；基于学生答案文本与教师答案文本之间的差异，对学生模型进行蒸馏训练，得到问答交互模型；教师文本是将问题文本输入至学生模型对应的教师模型后生成的。本发明训练得到的问答交互模型能够高效且准确进行问答交互。
-
公开(公告)号：CN117313738A
公开(公告)日：2023-12-29
申请号：CN202311094760.9
申请日：2023-08-28
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F16/33 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种端到端概念体系构建方法及系统，方法包括：将待构建概念集合包括的第一词语对中的任一词语添加到初始概念体系中，所述第一词语对为从所述待构建概念集合包括的词语对之间上下位关系所对应的第一概率分布中，得到的概率最大的词语对；执行至少一次第一处理过程，直至所述待构建概念集合为空为止，根据更新后的初始概念体系，获取所述待构建概念集合对应的概念体系。所述系统执行所述方法。本发明基于词语对之间上下位关系的概率分布，每次选择概率最大的特定词语对添加到概念体系中，构建待构建概念集合的概念体系，能够更为准确的表征待构建概念集合中词语之间的语义特征。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.037 seconds)
