-
公开(公告)号：CN119807373A
公开(公告)日：2025-04-11
申请号：CN202411901243.2
申请日：2024-12-23
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: G06F16/3329 , G06F16/36 , G06N5/022
Abstract: 本申请涉及一种问答方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标问题，并从多个备选文档中确定目标问题对应的参考文档；获取目标问题对应的知识图谱，并确定目标问题在知识图谱中对应的目标子图；根据参考文档生成与目标子图中的节点匹配的节点参考信息，及生成与目标子图中的关系匹配的关系参考信息；将目标子图、节点参考信息、关系参考信息和目标问题输入至问答模型，得到目标问题对应的目标答案。采用本方法能够提升目标答案的准确性。
-
公开(公告)号：CN117119515A
公开(公告)日：2023-11-24
申请号：CN202311246264.0
申请日：2023-09-25
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Abstract: 本申请提供一种小区故障预测方法、装置、电子设备和计算机可读存储介质，涉及通信技术领域。小区故障预测方法包括：获取小区的关键指标时序数据；获取故障间因果关系数据；通过所述故障间因果关系数据对所述小区的关键指标时序数据进行知识增强处理，以获得因果关系增强后指标数据；通过所述因果关系增强后指标数据，预测所述小区是否发生故障。本申请实施例可以提高小区故障预测的准确率。
-
公开(公告)号：CN117118856A
公开(公告)日：2023-11-24
申请号：CN202311068574.8
申请日：2023-08-23
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Abstract: 本公开提供了一种基于知识图谱补全的网络故障推理方法，该方法包括：将网络故障知识图谱以三元组形式作为模型的输入，所述模型采用端到端的知识图谱表示学习模型，所述模型包括编码器和解码器；采用切比雪夫多项式的一阶近似卷积图神经网络模型处理所述三元组得到实体嵌入表示和关系嵌入表示；采用神经网络的知识图谱表示学习模型通过所述实体嵌入表示和关系嵌入表示获得多个候选实体和对应的评分；以及基于所述评分对所述候选实体进行排序得到预测结果。本公开的方法可以扩展知识图谱的规模和覆盖面并提高知识图谱整体的数据质量。
-
公开(公告)号：CN116881389A
公开(公告)日：2023-10-13
申请号：CN202310875619.6
申请日：2023-07-17
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: G06F16/31 , G06F16/215 , G06N20/00
Abstract: 本公开涉及一种信息抽取方法、装置及存储介质。本公开的信息抽取方法，包括：语料准备步骤，构建信息抽取语料库，对数据集进行清洗，定义实体名称，抽取一部分文本数据并进行人工标注；构建模型步骤，构建预训练模型；数据处理步骤，在一个文本数据中存在多个实体的情况下，针对多个实体的每一个实体分别生成包括文本数据以及对应的提示范式的数据作为待训练数据；训练步骤，将得到的待训练数据中的至少一部分输入到预训练模型中对预训练模型进行微调，从而得到抽取模型，并且利用预先准备的验证集计算抽取模型的评估参数来评估模型；以及信息提取步骤，使用获取的抽取模型对未标注的文本数据进行处理，输出包括实体名称与实体内容的结构化数据。
-
公开(公告)号：CN116991621A
公开(公告)日：2023-11-03
申请号：CN202310988721.7
申请日：2023-08-07
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: G06F11/07 , G06F40/295 , G06F40/30 , G06F11/32
Abstract: 本公开涉及计算机技术领域，具体涉及一种故障原因提取方法及装置、计算机可读存储介质及电子设备，上述方法包括：获取工单文本数据；其中，工单文本数据用于指示故障处理过程；对工单文本数据进行编码得到文本向量；对文本向量进行多个层级的语义特征提取得到第一文本语义特征，对第一文本语义特征进行多个层级的维度恢复得到第二文本语义特征；其中，在语义特征提取的过程与维度恢复的过程中，高级语义特征与低级语义特征横向连接；根据第二文本语义特征确定工单文本数据对应的故障原因实体。通过本公开实施例的技术方案，可以解决提取故障原因实体的效率较低的问题。
-
Patent Agency Ranking
公开(公告)号：CN114925210B
公开(公告)日：2023-12-08
申请号：CN202210284978.X
申请日：2022-03-21
Applicant: 中国电信股份有限公司
IPC: G06F16/36 , G06F40/289 , G06F40/30
Abstract: 本申请的实施例揭示了一种知识图谱的构建方法、装置、介质及设备。该方法包括：获取原始文本数据，原始文本数据包括已标注文本以及未标注文本；基于已标注文本的标注信息提取已标注文本含有的至少两个实体以及至少两个实体之间的关联关系，得到实体关系集合；计算未标注文本与实体关系集合中含有的各个实体的文本相似度以及语义相似度，并基于文本相似度以及语义相似度得到未标注文本含有的至少两个实体及至少两个实体之间的关联关系；基于未标注文本含有的至少两个实体及至少两个实体之间的关联关系构建知识图谱。进而节约了人工标记成本，提高了知识图谱的构建效率，构建出高精度和高质量的知识图谱。
-
公开(公告)号：CN114867052B
公开(公告)日：2023-11-07
申请号：CN202210656535.9
申请日：2022-06-10
Applicant: 中国电信股份有限公司
IPC: H04W24/04 , H04L41/0604 , H04L41/0677
Abstract: 本公开提供了一种无线网络故障诊断方法、装置、电子设备和介质，涉及通信技术领域。其中，无线网络故障诊断方法包括：基于无线网络历史故障案例构建用于无线网络故障诊断的知识图谱；响应于获取到的网络异常的异常现象，从所述知识图谱中检索与所述异常现象相关的关联子图；基于与所述关联子图相关的所述历史故障案例配置所述关联子图的连接边权重；基于对所述连接边权重的排序结果输出所述网络异常的诊断方案。通过本公开的技术方案，能够自动生成诊断方案，采用诊断方案辅助运维工程师进行问题定位和故障处理，有利于提高运维效率，达到降低运维成本和缩短故障处理周期的目的。
-
公开(公告)号：CN114925210A
公开(公告)日：2022-08-19
申请号：CN202210284978.X
申请日：2022-03-21
Applicant: 中国电信股份有限公司
IPC: G06F16/36 , G06F40/289 , G06F40/30
Abstract: 本申请的实施例揭示了一种知识图谱的构建方法、装置、介质及设备。该方法包括：获取原始文本数据，原始文本数据包括已标注文本以及未标注文本；基于已标注文本的标注信息提取已标注文本含有的至少两个实体以及至少两个实体之间的关联关系，得到实体关系集合；计算未标注文本与实体关系集合中含有的各个实体的文本相似度以及语义相似度，并基于文本相似度以及语义相似度得到未标注文本含有的至少两个实体及至少两个实体之间的关联关系；基于未标注文本含有的至少两个实体及至少两个实体之间的关联关系构建知识图谱。进而节约了人工标记成本，提高了知识图谱的构建效率，构建出高精度和高质量的知识图谱。
-
公开(公告)号：CN115426671B
公开(公告)日：2023-10-31
申请号：CN202211064023.X
申请日：2022-09-01
Applicant: 中国电信股份有限公司
IPC: H04W24/04 , H04W24/06 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了图神经网络训练或无线小区故障预测方法、系统及设备，通过利用性能指标及故障类型构建故障因果路径图，使用该路径图对无线小区的历史性能数据进行图谱化，图谱化数据中不仅包含节点自身特征数据、节点间相关关系的邻接矩阵，还包含时序数据，从而能够在空间和时间两个维度对无线小区的历史性能数据进行聚合，能够提高故障预测准确性。针对图谱化数据，提出构建多层次的图神经网络，提高网络模型的健壮性和预测准确率。因此，本公开实施例采用改进的图神经网络，首次将图神经网络应用在无线小区故障预测场景中，也是业界首次使用故障因果路径图进行故障预测，在空间和时间两个维度将数据聚合，提高故障预测准确性。
-
公开(公告)号：CN115426671A
公开(公告)日：2022-12-02
申请号：CN202211064023.X
申请日：2022-09-01
Applicant: 中国电信股份有限公司
Abstract: 本发明提供了图神经网络训练或无线小区故障预测方法、系统及设备，通过利用性能指标及故障类型构建故障因果路径图，使用该路径图对无线小区的历史性能数据进行图谱化，图谱化数据中不仅包含节点自身特征数据、节点间相关关系的邻接矩阵，还包含时序数据，从而能够在空间和时间两个维度对无线小区的历史性能数据进行聚合，能够提高故障预测准确性。针对图谱化数据，提出构建多层次的图神经网络，提高网络模型的健壮性和预测准确率。因此，本公开实施例采用改进的图神经网络，首次将图神经网络应用在无线小区故障预测场景中，也是业界首次使用故障因果路径图进行故障预测，在空间和时间两个维度将数据聚合，提高故障预测准确性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.038 seconds)
