-
公开(公告)号：CN116151375B
公开(公告)日：2023-07-14
申请号：CN202310426771.6
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/048 , G06N3/084 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/0455 , G06N3/092 , G06N3/098 , G06N3/09
Abstract: 本发明公开了一种基于反事实与路径挖掘的事件溯因推理方法，包括：采用自注意力机制获得因果效应矩阵，利用图神经网络将其导入事件结点表示；利用注意力机制形成中间隐状态，引导RoBERTa模型抽取观测事件的关键特征hatt；将事件利用余弦相似度投影到外部事件逻辑图上，并基于中间隐状态，利用强化学习计算类似事件之间的逻辑链路；利用注意力机制获得上下文向量qpath；将hatt与qpath拼接用于计算假设的合理值得分；选择合理值得分最高的假设作为最有可能发生的合理假设；添加反事实损失函数优化模型，比较不同假设事件以挖掘关键溯因特征。本方法的推理结果更加精确，并根据反事实敏感性，抓取支持溯因的关键因素。
-
公开(公告)号：CN117035073B
公开(公告)日：2024-03-29
申请号：CN202311036851.7
申请日：2023-08-16
Applicant: 南京信息工程大学
IPC: G06N5/02 , G01W1/10 , G06F18/213 , G06N3/0442 , G06N3/042 , G06N3/0455 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于分层事件发展模式归纳的未来气象事件预测方法，利用信息抽取工具从气象数据中提取出若干个气象事件，并按时间顺序进行排列；以最早发生的事件作为当前的实例图，并将其他事件作为候选事件集合，选择概率最大的后续事件，并将其添加到当前实例图中。利用DVAE抽取事件骨架图，随后，将骨架图和实例图分别输入到缩放图神经网络中，获得后续事件与当前实例图之间的匹配得分。在完成添加后续节点的实例图后，进行共指合并和实体关系边生成的处理。迭代执行归纳出气象事件发展模式图。本发明可以利用事件发展模式预测气象事件的概率，结合了气象事件发展的全局结构信息，减少了局部结构信息对于后续事件预测的影响。
-
Patent Agency Ranking
公开(公告)号：CN117350386B
公开(公告)日：2024-03-19
申请号：CN202311640535.0
申请日：2023-12-04
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/0464 , G06N5/046 , G06F18/22 , G06F18/241
Abstract: 本发明公开了一种事件溯因推理方法及系统，本发明将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上，生成事件描述性知识，对外部事件图上前提事件和结果事件依次行多次正向（由因致果）分析和反向（由果溯因）分析，生成新的前提事件和结果事件，根据新旧事件之间的均方误差距离、事件描述性知识和事件上下文表示，采用分类模型，获得最终假设事件，可在获取最终假设事件的过程中体现出事件间的因果关系。
-
公开(公告)号：CN116151375A
公开(公告)日：2023-05-23
申请号：CN202310426771.6
申请日：2023-04-20
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/048 , G06N3/084 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/0455 , G06N3/092 , G06N3/098 , G06N3/09
Abstract: 本发明公开了一种基于反事实与路径挖掘的事件溯因推理方法，包括：采用自注意力机制获得因果效应矩阵，利用图神经网络将其导入事件结点表示；利用注意力机制形成中间隐状态，引导RoBERTa模型抽取观测事件的关键特征hatt；将事件利用余弦相似度投影到外部事件逻辑图上，并基于中间隐状态，利用强化学习计算类似事件之间的逻辑链路；利用注意力机制获得上下文向量qpath；将hatt与qpath拼接用于计算假设的合理值得分；选择合理值得分最高的假设作为最有可能发生的合理假设；添加反事实损失函数优化模型，比较不同假设事件以挖掘关键溯因特征。本方法的推理结果更加精确，并根据反事实敏感性，抓取支持溯因的关键因素。
-
公开(公告)号：CN117350386A
公开(公告)日：2024-01-05
申请号：CN202311640535.0
申请日：2023-12-04
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N3/0464 , G06N5/046 , G06F18/22 , G06F18/241
Abstract: 本发明公开了一种事件溯因推理方法及系统，本发明将假设事件、以及溯因的前提事件和结果事件投影到外部事件图上，生成事件描述性知识，对外部事件图上前提事件和结果事件依次行多次正向（由因致果）分析和反向（由果溯因）分析，生成新的前提事件和结果事件，根据新旧事件之间的均方误差距离、事件描述性知识和事件上下文表示，采用分类模型，获得最终假设事件，可在获取最终假设事件的过程中体现出事件间的因果关系。
-
公开(公告)号：CN117076608A
公开(公告)日：2023-11-17
申请号：CN202311078433.4
申请日：2023-08-25
Applicant: 南京信息工程大学
IPC: G06F16/33 , G06N5/02 , G06N3/0464 , G06N3/08 , G06F40/211
Abstract: 本发明公开一种基于文本动态跨度的整合外部事件知识的脚本事件预测方法及装置，属于信息检索与数据挖掘领域。本发明首先输入两个相关的脚本文档并且检索出其中的事件；接着，将每个文档中检索出的事件按照事件组成进行重新排序，得到最优事件脚本知识并进行整合。在整合阶段，将整合后的最优事件脚本知识输入进BERT，从而为文本添加标记；接着将相同标记的文本进行枚举连接，构造文本跨度；之后，基于当前构建的跨度得到最佳猜测，生成事件图结构。最后，将事件图输入到缩放神经网络中得到预测得分，选择得分最高的候选事件作为预测事件。本发明提出的基于文本动态跨度的整合外部事件知识的脚本预测学习在《纽约时报》语料库中的预测后续事件的精度较高。
-
公开(公告)号：CN117035073A
公开(公告)日：2023-11-10
申请号：CN202311036851.7
申请日：2023-08-16
Applicant: 南京信息工程大学
IPC: G06N5/02 , G01W1/10 , G06F18/213 , G06N3/0442 , G06N3/042 , G06N3/0455 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于分层事件发展模式归纳的未来气象事件预测方法，利用信息抽取工具从气象数据中提取出若干个气象事件，并按时间顺序进行排列；以最早发生的事件作为当前的实例图，并将其他事件作为候选事件集合，选择概率最大的后续事件，并将其添加到当前实例图中。利用DVAE抽取事件骨架图，随后，将骨架图和实例图分别输入到缩放图神经网络中，获得后续事件与当前实例图之间的匹配得分。在完成添加后续节点的实例图后，进行共指合并和实体关系边生成的处理。迭代执行归纳出气象事件发展模式图。本发明可以利用事件发展模式预测气象事件的概率，结合了气象事件发展的全局结构信息，减少了局部结构信息对于后续事件预测的影响。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
