-
公开(公告)号:CN116992040A
公开(公告)日:2023-11-03
申请号:CN202310498632.4
申请日:2023-05-05
Applicant: 西安电子科技大学
IPC: G06F16/36 , G06F40/30 , G06F40/295 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明提供了一种基于概念图的知识图谱补全方法和系统,方法包括以下步骤:通过分割算法抽取半结构化数据获取实体的上位关系,生成显式概念知识;通过神经网络方法抽取非结构化文本获取概念的上下位关系,生成隐式概念知识;对概念知识从不相容概念维度和命名实体识别维度进行概念验证,将错误的概念知识进行过滤,完成概念图的构建;使用基于图遍历的规则挖掘方法,挖掘概念图中丰富的上下位信息,探索更大范围的三元组;通过基于路径游走的知识补全方法实现对常识知识图谱的概念补全。系统包括概念图构建单元和图谱补全单元。解决了新生成节点缺乏新颖性,模型的性能和应用场景受限,图谱的准确性和质量较低的问题。
-
公开(公告)号:CN116595988A
公开(公告)日:2023-08-15
申请号:CN202310373145.5
申请日:2023-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于语义推理的多方对话生成方法,涉及人工智能技术领域,包括步骤:将原始多方对话历史记录中各个对话语句单元进行向量表示;根据多方对话构建初始图,使用图注意力网络对该初始图进行迭代计算,从而得到各个关系边的向量表示,并构建语义推理网络;基于构建的语义推理网络编码得到各个对话角色的向量,并基于该角色向量实现整体对话向量表示;将角色向量以及整体对话向量输入至解码模块中,系统实现多方对话解码生成。本发明通过语义推理网络可以将对话中的不同语句和信息进行链接,并识别不同语句之间的关系,以便更好地理解对话中的含义和目的,可以提高对话的效率和准确性。
-
公开(公告)号:CN116578654A
公开(公告)日:2023-08-11
申请号:CN202310517542.5
申请日:2023-05-09
Applicant: 西安电子科技大学
IPC: G06F16/28 , G06F16/901 , G06F18/22 , G06N3/045 , G06N5/02
Abstract: 本发明提供了一种面向领域知识图谱的实体对齐方法,包括:基于预训练词向量和预训练语言模型分别对知识图谱的实体名称和属性三元组进行建模,基于平移距离模型对知识图谱关系进行建模,获取实体初始嵌入、属性嵌入以及关系嵌入,对初始实体嵌入、属性嵌入以及关系嵌入进行集成得到联合嵌入表示;通过领域判别进行领域采样并生成中心实体的领域子图,通过计算领域子图相似度,获领域匹配嵌入,通过邻域子图匹配嵌入与联合嵌入表示,完成实体对齐。本发明采取多视角对实体进行分析,缓解知识图谱嵌入表示时知识利用率低、导致建模时向量表达力差等问题;使用邻域判别解决知识图谱中等效实体网络结构异质、导致实体对齐准确率低等问题。
-
-