基于多视图和图增强的异构知识图谱实体对齐方法

    公开(公告)号:CN118734953B

    公开(公告)日:2024-11-29

    申请号:CN202411203434.1

    申请日:2024-08-30

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于多视图和图增强的异构知识图谱实体对齐方法,涉及知识图谱技术领域,包括:对知识图谱的实体、关系、属性及属性值进行向量嵌入表示,获得初始化向量;构建知识图谱的实体邻居邻接矩阵、实体关系邻接矩阵、实体属性邻接矩阵和实体属性值邻接矩阵,并构建实体邻居视图、关系视图、属性视图、属性值视图;将属性视图和属性值视图进行融合,形成属性‑属性值视图;将各个视图集成起来得到知识图谱实体融合嵌入表示;生成增强知识图谱,并获得增强知识图谱的实体融合嵌入表示;获得异构知识图谱实体对齐模型。本发明使用多视图以更好地捕获知识图谱上的所有信息,并用图增强技术降低数据噪声和错误,提高实体对齐的准确性。

    护理文本层级多标签分类方法、装置、设备及存储介质

    公开(公告)号:CN117574230A

    公开(公告)日:2024-02-20

    申请号:CN202311545774.8

    申请日:2023-11-20

    Applicant: 华侨大学

    Abstract: 本发明提供了护理活动文本层级多标签分类方法、装置、设备及存储介质,涉及人工智能技术领域,首先将原始输入的护理活动文本代入提示模板,得到带有掩码标识符“mask”的提示语句子,将其输入到预训练语言模型ERNIE中,得到对应“mask”的提示语隐向量;其次,将提示语隐向量输入到标签词映射器,输出分类标签词概率向量,取概率大于阈值的标签值作为预测标签词集;最后将预测标签词集转换成层级多标签,层级多标签包含领域、措施类别、措施名称的层级多标签词集。通过该方法能缓解少样本场景下可学习的知识不足的问题,有助于更好地理解文本内容、提高分类的准确性。此外,本发明还提供了具备该方法的装置、设备及存储介质。

    基于多视图和图增强的异构知识图谱实体对齐方法

    公开(公告)号:CN118734953A

    公开(公告)日:2024-10-01

    申请号:CN202411203434.1

    申请日:2024-08-30

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于多视图和图增强的异构知识图谱实体对齐方法,涉及知识图谱技术领域,包括:对知识图谱的实体、关系、属性及属性值进行向量嵌入表示,获得初始化向量;构建知识图谱的实体邻居邻接矩阵、实体关系邻接矩阵、实体属性邻接矩阵和实体属性值邻接矩阵,并构建实体邻居视图、关系视图、属性视图、属性值视图;将属性视图和属性值视图进行融合,形成属性‑属性值视图;将各个视图集成起来得到知识图谱实体融合嵌入表示;生成增强知识图谱,并获得增强知识图谱的实体融合嵌入表示;获得异构知识图谱实体对齐模型。本发明使用多视图以更好地捕获知识图谱上的所有信息,并用图增强技术降低数据噪声和错误,提高实体对齐的准确性。

Patent Agency Ranking