公开(公告)号：CN117909778A

公开(公告)日：2024-04-19

申请号：CN202310979566.2

申请日：2023-08-06

Applicant: 大连理工大学

Inventor： 原旭 ,  谷少奎 ,  陈佳茜

IPC: G06F18/2337 ,  G06F18/2321 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/0895

Abstract: 一种基于可信邻居信息聚合的多视图数据无标签聚类方法，属于人工智能研究领域，特征空间中的原始多视图数据往往包含与聚类任务无关的信息，使用现有方法很难将其分离的问题，要点是将聚类分布矩阵的列抽象为不同聚类的特征，以进行对比学习，使得聚类分布层具有实际的聚类意义，利用从模糊映射层提取的聚类信息分布，通过拟合归一化图中受信任邻居信息去偏聚合后形成的倾向分布，归一化图考虑了视图内的全局结构和视图之间的聚类级别一致信息。

公开(公告)号：CN117634604A

公开(公告)日：2024-03-01

申请号：CN202311653062.8

申请日：2023-12-05

Applicant: 大连理工大学

Inventor： 陈佳茜 ,  于硕 ,  原旭

IPC: G06N5/022 ,  G06F16/951 ,  G06F40/30 ,  G06F40/279 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开一种基于大语言模型的知识图谱补全方法，首先，通过爬取大规模文本数据，获取初始数据集，并运用大语言模型对文本进行处理和抽取，得到一个包含丰富实体和关系的初始数据集。接下来，通过预定义模型对实体语义进行增强，以捕捉实体之间的语义相关性，并采用多关系图卷积网络编码器对知识图谱进行编码。然后，利用评分解码器对知识图谱中的三元组进行评估，该解码器可以根据已知实体和关系预测未知关系或属性。通过对三元组进行评分，可以衡量预测结果的准确性和可靠性。本发明通过结合预定义的语义模式、捕捉实体间的语义相关性和增强表示学习功能，提升了现有知识图谱补全方法的性能，并且适用于复杂场景中的知识图谱补全任务。