-
公开(公告)号：CN116049446A
公开(公告)日：2023-05-02
申请号：CN202310212003.0
申请日：2023-03-07
Applicant: 华侨大学 , 中国医学科学院阜外医院
IPC: G06F16/36 , G06F40/295 , G06F40/211 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种事件抽取方法、装置、设备及计算机可读存储介质，包括：获取句子文本，并将所述句子文本构建成图结构数据；对所述图结构数据中的每个节点进行初始化向量编码，并基于图注意网络模型对节点向量编码进行更新；调用二进制标记网络对更新后的节点向量编码及句子文本进行事件提取，其中，事件提取包括事件类型识别，事件触发词识别和事件论元识别，旨在解决无法捕获长距离依赖信息以及重叠事件问题。
-
公开(公告)号：CN115510856A
公开(公告)日：2022-12-23
申请号：CN202211322970.4
申请日：2022-10-27
Applicant: 华侨大学
IPC: G06F40/284 , G06N5/02 , G06N20/00
Abstract: 本发明提供事件知识图谱的表示向量的生成方法、装置、设备和介质，涉及知识图谱表示向量学习领域。生成方法包含S1获取实体的描述语句，采用BERT编码模型进行向量表示，获取实体描述向量。S2获取实体的类型信息，采用加权层次编码模型进行向量表示，获取实体类型向量。S3获取实体的词向量，采用Word2vec词向量模型进行向量表示，获取实体的实体语义向量。S4根据实体描述向量、实体类型向量和实体语义向量，获取实体初始向量。S5获取实体对之间的所有多跳关系路径，通过路径资源约束算法，获取关系初始向量。S6根据实体初始向量和关系初始向量，获取三元组集合。S7根据三元组集合，采用transE模型进行表示向量学习，获取实体学习表示向量和关系学习表示向量。
-
公开(公告)号：CN114925186A
公开(公告)日：2022-08-19
申请号：CN202210566962.8
申请日：2022-05-24
Applicant: 华侨大学
IPC: G06F16/332 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种知识图谱的问句生成方法、装置、设备和存储介质，涉及自然语言处理技术领域。其中，这种问句生成方法包含步骤S1至步骤S7。S1、获取知识图谱。S2、根据知识图谱，通过图变换网络模型，获取各个子图的子图向量。S3、获取问句数据集。S4、根据知识图谱和问句数据集，基于相似度获取各个子图的外部问句。S5、获取五何问题类型参数。S6、根据五何问题类型参数和外部问句，通过Bi LSTM神经网络模型，获取外部增强向量。S7、根据子图向量和外部增强向量，通过指针生成网络模型，获取问句。本发明对生成教学场景中所需的类型多样、语义知识丰富、语言表达自然的问句具有重大的指导和促进作用。
-
公开(公告)号：CN114860877A
公开(公告)日：2022-08-05
申请号：CN202210464241.6
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开了一种基于知识图谱关系预测的问题链生成方法及系统，能够基于问句知识图谱自动生成问题链，包括：基于问句知识图谱构建问题链数据集；对问题链的问句实体进行特征初始化，并通过特征融合方法获得问题链的融合头实体和待测尾实体的初始向量；将融合头实体和待测尾实体的初始向量送入QCG‑KGLP模型的Graph Attention图表示学习模块中，从而获得融合头实体和待测尾实体的表示向量；将融合头实体和待测尾实体的表示向量输入到QCG‑KGLP模型的convKB模块中进行链接预测，从而实现问题链生成。本发明能有效生成适应教学场景的有关联、有梯度的问题链，从而助力教师开展提问教学与提升学生思维能力。
-
公开(公告)号：CN113553510A
公开(公告)日：2021-10-26
申请号：CN202110875172.3
申请日：2021-07-30
Applicant: 华侨大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06F40/289 , G06F40/30 , G06F16/28 , G06F16/36
Abstract: 本发明公开了一种文本信息推荐方法、装置及可读介质，通过获取用户数据及所对应的文本语料，对文本语料进行预处理，得到文本数据；将用户数据进行处理得到用户属性特征，将文本数据通过词注意力网络生成文本特征，将用户数据利用知识图谱表示学习模型生成用户知识图谱特征，将用户属性特征、文本特征和用户知识图谱特征进行拼接，得到综合特征；将综合特征输入多层感知机，得到用户偏好类别及对应的推送数量。本发明加强对用户兴趣的识别度和扩展性，从而提高推荐结果的准确性和多样性，通过综合特征可得到多个维度的抽象特征表示，缓解传统个性化信息推荐中的数据稀疏、冷启动等问题。将注意力机制应用到文本推荐，进一步提高准确度。
-
Patent Agency Ranking
公开(公告)号：CN112909928A
公开(公告)日：2021-06-04
申请号：CN202110125184.4
申请日：2021-01-29
Applicant: 华侨大学
Abstract: 本发明涉及无线传感器网络技术领域，且公开了一种无线传感网移动充电车路径规划与充电调度算法，包括以下步骤：S1：充电调度问题构造：首先给定一组静态无线传感网络节点U和U中节点的能量传输效率矩阵CU＝{c(i，j)}，能量下限列表eL，初始能量列表eB。该无线传感网移动充电车路径规划与充电调度算法，利用线性优化器获得能量分配的时长列表，利用TSP问题算法解决充电车的充电调度，最后利用贪婪选择算法设计节点能量的再分配过程，获得能量再分配调度与充电调度并行的最终的调度序列，而本发明的无线传感网移动充电车路径规划与充电调度算法使无线传感网络的充电过程中能量损失最小，时间跨度最小，有利于延长无线传感器网络的寿命。
-
公开(公告)号：CN118820610A
公开(公告)日：2024-10-22
申请号：CN202410652540.1
申请日：2024-05-24
Applicant: 华侨大学
IPC: G06F16/9536 , G06F40/30 , G06F18/2415 , G06F40/279 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/049 , G06N3/0895 , G06N5/04 , G06Q50/00 , G06F123/02
Abstract: 本发明公开了基于时序知识图谱的意见领袖挖掘方法及装置，方法包括：对采集的网络舆情数据进行分析，构建出时序网络舆情知识图谱；对时序网络舆情知识图谱进行表示学习，得到节点和关系的嵌入表示；对时序网络舆情知识图谱进行实体关系建模，获得用户结构特征；将用户所发布的贴文作为预训练语言模型的输入文本，经过语义建模获得用户的贴文语义特征；设计一个人工特征作为用户在社交网络中的用户属性特征；集合用户结构特征、贴文语义特征和用户属性特征，利用softmax函数实现意见领袖的挖掘。本发明根据抽取的用户结构特征、用户属性特征和贴文语义特征，能够有效挖掘不同时刻的意见领袖，提高意见领袖挖掘的准确性。
-
公开(公告)号：CN115063251B
公开(公告)日：2024-09-03
申请号：CN202210601033.6
申请日：2022-05-30
Applicant: 华侨大学
IPC: G06Q50/00
Abstract: 本发明公开了基于关系强度与反馈机制的社交传播动态网络表示方法，属于社交传播领域，包括：基于关系强度将社交传播动态网络划分为关系网络与传播网络；对传播动态网络进行描述；对社交传播网络中的节点表示；更新相关节点的邻接矩阵与注意力权重，同时聚合节点信息并反馈节点变化信息，最后结合自相关项与时间项更新节点表示；将attention机制应用到动态的模型中来度量各个节点的权重，考虑网络动态变化对attention的影响；本发明提供的方法用于社交传播动态网络表示，进行动态链接预测任务，解决了动态网络表示的及时性问题。
-
公开(公告)号：CN114818717B
公开(公告)日：2024-08-20
申请号：CN202210575509.3
申请日：2022-05-25
Applicant: 华侨大学
IPC: G06F40/295 , G06F40/242 , G06F40/253 , G06N3/0464 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明公开一种融合词汇和句法信息的中文命名实体识别方法及系统，包括以下步骤：步骤1、将原始输入文本映射为字向量，使用改进后的词集匹配算法引入外部词汇信息，并整合在每个字的输入表示中；步骤2、根据字的输入表示，利用双向LSTM抽取上下文信息；步骤3、使用NLP工具从原始输入文本中获取词性标签和句法成分，并且使用健值记忆网络构造句法向量，再通过门控机制对上下文向量与句法向量进行加权融合，获得特征向量；步骤4、将特征向量输入标签预测层的CRF中，实现中文命名实体识别。本发明能够解决中文命名实体中实体边界信息不足的问题和融合输入文本的句法信息。
-
公开(公告)号：CN117573835A
公开(公告)日：2024-02-20
申请号：CN202311642501.5
申请日：2023-12-04
Applicant: 华侨大学
IPC: G06F16/332 , G06F16/33 , G06F40/279 , G06F18/22 , G06F18/23213 , G16H50/70 , G16H80/00
Abstract: 本发明提供了一种大模型微调指令自动化生成方法、装置、设备及介质，首先通过模板法构建人工指令集。接着基于提示微调构建MCT对话生成的机器指令，并基于指标度量方法对生成的MCT对话语料进行修正；接着基于最大边缘相关算法进行机器指令采样；接着基于K‑Means算法进行指令池指令采样。提出了一个面向MCT多轮对话的大模型微调指令自动化生成框架，能生成符合MCT等级标准，具有角色、话题和任务等多样性的MCT对话数据集，对医学自然语言处理的新任务以及模型评估具有重要的理论价值和应用效益。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.027 seconds)
