“G06N5/02”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果964个，建议您升级VIP下载更多相关专利

[发明专利]以概率实体为中心的知识图完成-CN202310171797.0在审
发明人：马尔科卢卡·斯博迪奥;娜塔莉亚·穆利根;凡妮莎·洛佩斯加西亚;英格·丽萨·维杰斯博杰格;卓奥·H·贝特恩考特-塞尔瓦 -专利权人：国际商业机器公司
申请日： 2023-02-27 - 公布日： 2023-09-22 - 主分类号： G06N5/022 文献下载
摘要：本公开涉及以概率实体为中心的知识图完成。接收关于实体的第一数据集，其中第一数据集包括实体的不同特性。接收关于实体的一个或多个域的第二数据集。使用第一数据集和第二数据集，生成实体的概率知识图，该概率知识图包括实体节点、第一多个节点和第二多个节点。第一多个节点连接到实体节点并且表示所述不同特性中的每个特性。第二多个节点经由概率边连接，其中，这些概率边中的每个概率边具有相关联的置信度得分。使用第二数据集来确定该置信度得分。
概率实体中心知识完成

[发明专利]面向智能运维的故障知识库的构建更新与故障处理方法-CN202310636788.4在审
发明人：张建国;范晓铎;李文博;毕强;倪子淇 -专利权人：北京航空航天大学
申请日： 2023-05-31 - 公布日： 2023-09-22 - 主分类号： G06N5/022 文献下载
摘要：本申请提供一种面向智能运维的故障知识库的构建更新与故障处理方法，涉及数据处理技术，该方法包括：获取数据获取请求；数据获取请求包括电子设备的零部件数据标识；根据数据获取请求，获取与零部件标识对应的零部件数据。对零部件数据进行故障分析处理，确定电子设备的故障样本库。基于预设的知识图谱的节点定义信息，确定每一零部件以及每一零部件的故障模式信息的节点类型标签，根据节点类型标签，生成目标故障库，以实现根据目标故障库对电子设备进行故障诊断并得到诊断结果信息。本申请的方法，能够全面的展示智能装备的结构组成以及故障模式之间的相互关系，为后续故障诊断提供依据，解决了智能设备的故障的诊断结果准确度较低的技术问题。
面向智能故障知识库构建更新处理方法

[发明专利]一种基于交替归纳的知识图谱关系预测方法-CN202310705117.9在审
发明人：马江涛;周辰宇;王艳军;李祖贺;张秋闻;庾骏;李璞;李玉华;张勋才;马宇科;李霆;晋文朵;程佳;刘博;李坤霖;孙一帆;卫梦屹;付一龙 -专利权人：郑州轻工业大学
申请日： 2023-06-14 - 公布日： 2023-09-22 - 主分类号： G06N5/02 文献下载
摘要：本发明提出了一种基于交替归纳的知识图谱关系预测方法，其步骤如下：初始化知识图谱中每个实体的子图；使用子图序列化模型将子图转化为序列，学习序列化特征得到状态序列；使用偏好强化模型学习子图之间的共同偏好的权重，利用权重表示实体和尾实体的潜在子图；使用交替聚合模型处理潜在子图归纳不同的归纳子图，通过归纳子图之间的得分预测实体之间的关系并输出。本发明通过在知识图谱中学习候选实体周围的子图来预测关系，避免学习嵌入任何特定实体，可以在推理阶段处理新的看不见的实体；通过学习单个子图中层级之间的潜在关联和不同子图之间的共性来预测推测未知实体之间的关系，提高了知识图谱关系预测的效果和效率，提高了知识图谱质量。
一种基于交替归纳知识图谱关系预测方法

[发明专利]医疗实体信息抽取方法、装置、计算机设备及存储介质-CN202310800851.3在审
发明人：吴逗逗 -专利权人：平安科技（深圳）有限公司
申请日： 2023-06-30 - 公布日： 2023-09-22 - 主分类号： G06N5/025 文献下载
摘要：本申请实施例属于人工智能以及数字医疗领域，涉及一种医疗实体信息抽取方法、装置、计算机设备及存储介质，方法包括：获取训练医疗文本；基于训练医疗文本，构建医疗实体信息抽取任务的训练样本集，医疗实体信息抽取任务用于抽取文本中的医疗实体以及医疗实体间的实体关联关系，训练样本集的负样本中的医疗实体均来自训练医疗文本；根据训练样本集对初始统一信息抽取模型进行训练，得到统一信息抽取模型；获取待处理医疗文本，并通过统一信息抽取模型对待处理医疗文本进行信息抽取，得到医疗实体信息。此外，本申请还涉及区块链技术，医疗实体信息可存储于区块链中。本申请提高了医疗实体信息抽取的准确性。
医疗实体信息抽取方法装置计算机设备存储介质

[发明专利]一种有机无机杂化钙钛矿性能预测方法、预测系统及装置-CN202310820237.3在审
发明人：洒荣建;胡俊杰;李德晶;张燕杰;叶远松 -专利权人：闽江学院
申请日： 2023-07-06 - 公布日： 2023-09-22 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种有机无机杂化钙钛矿性能预测方法、预测系统及装置，具体步骤如下：获取任意的有机无机杂化钙钛矿的结构信息数据；从结构数据中提取有机骨架结构信息和无机骨架结构信息并转化为图网络输入数据，利用图神经网络处理得到骨架结构信息的演化结果，有机骨架结构信息和无机骨架结构信息聚合后编码为量子态数据，将聚合后的量子态数据输入到具有学习功能的预测量子图神经网络中，并对预测量子图神经网络进行训练和优化；最后利用优化后的预测量子图神经网络求解目标有机无机杂化钙钛矿构效关系。该方法能够在量子计算平台以及经典量子协同的计算体系架构下，采用量子图神经网络求解有机无机杂化钙钛矿的构效关系。
一种有机无机杂化钙钛矿性能预测方法系统装置

[发明专利]一种基于多层奖励和分步训练的知识图谱截取方法和设备-CN202310856616.8在审
发明人：孙泽懿;张静;吴信东 -专利权人：之江实验室
申请日： 2023-07-12 - 公布日： 2023-09-22 - 主分类号： G06N5/02 文献下载
摘要：本发明涉及一种基于多层奖励和分步训练的知识图谱截取方法和设备，用于根据知识图谱中选定的多个节点，得到与选定节点所属领域相关的子图，方法包括数学建模、分布训练和模型使用三部分。在数学建模过程中设计基于episode和基于step的奖励，在训练过程中首先基于有监督学习的策略网络初步训练，然后基于奖励的再训练。与现有技术相比，本发明实现从知识图谱中基于给定的若干节点来截取所属领域的子图的同时，具有模型建模准确度高、训练收敛性好等优点。
一种基于多层奖励分步训练知识图谱截取方法设备

[发明专利]一种复杂网络优化方法、设备及介质-CN202310853554.5在审
发明人：郭峰涛;刘耀杰;邱奕元;未凡;彭景 -专利权人：四川省唯品富邦消费金融有限公司
申请日： 2023-07-12 - 公布日： 2023-09-22 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种复杂网络优化方法、设备及介质，包括以下步骤:对复杂网络中节点的特征信息开展特征工程，生成衍生变量库，所述复杂网络包括多个节点、节点与节点之间的关系和与节点对应的属性信息，所述特征信息包括属性信息；生成所述复杂网络中该节点的质量标签；根据所述质量标签和所述衍生变量库对所述衍生变量库中的变量进行筛选，得到重要变量集；对所述重要变量集中的变量进行聚类分析，得到与不同变量组合对应的聚类结果；根据预设判定指标对所述聚类结果进行筛选，得到待更新的变量组合；根据待更新的变量组合对所述复杂网络中节点的属性信息进行更新。其实现复杂网络的自适应优化，效率高。
一种复杂网络优化方法设备介质

[发明专利]基于种子-扩展启发式搜索的电网图谱最大公共子图发现方法-CN202310858886.2在审
发明人：肖家锴;钱洋;熊迎秋;陈锡祥;王安宁;韩学民;肖楠;王鑫 -专利权人：国网安徽省电力有限公司;合肥工业大学
申请日： 2023-07-13 - 公布日： 2023-09-22 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种基于种子‑扩展启发式搜索的电网图谱最大公共子图发现方法，是用于同源物理电力网络而不同应用场景的电网图谱间拓扑结构比对，发现最大公共子图，包括以下步骤：1.根据电网图谱的节点标签和度构建图谱间节点的相似性得分函数，2.基于种子‑扩展启发式搜索的电网图谱全局比对方法，进而发现图谱间的最大公共子图。本发明将两个比对的电网图谱转化为无向图，并建立相应的比对图，进而将两个网络的结构比对问题转化为公共子图的问题，根据定义的节点相似性度量方法以及节点之间的拓扑结构关系，计算所有节点间的相似度，最终借助于基于种子‑扩展的启发式搜索予以求解，得到同源电网图谱间的最大公共子图。
基于种子扩展启发式搜索电网图谱最大公共发现方法

[发明专利]面向燃气轮机发电装备的联邦知识融合与故障诊断方法-CN202310640945.9在审
发明人：王国清;吕力行;徐雷;汪忠德;谢伟才;周齐辉;赵春晖;汪嘉业;宋鹏宇 -专利权人：浙江浙能电力股份有限公司萧山发电厂;浙江大学
申请日： 2023-06-01 - 公布日： 2023-09-19 - 主分类号： G06N5/022 文献下载
摘要：本发明公开了面向燃气轮机发电装备的联邦知识融合与故障诊断方法。本发明在每个电厂所代表的边端建立一个条件生成对抗网络用于边端故障诊断，然后将建立的模型上传到云端进行联邦知识融合。在联邦知识融合过程中，将每个边端上传的模型都视为一个教师网络，提取教师网络中多层级故障知识，同时将动态加权平均后的多层级故障知识蒸馏到在云端训练的全局模型中，实现无偏全局模型的构建。最后将融合后的全局模型部署到各个边端，以更新每个边端的本地模型。本发明通过融合多个电厂故障诊断模型的知识有效实现了对所有故障的诊断，不仅实现了隐私保护，而且大大提高了故障检测的性能。
面向燃气轮机发电装备联邦知识融合故障诊断方法

[发明专利]知识迁移的微波滤波器优化调试方法、设备及存储设备-CN202310394726.7在审
发明人：郭琳炜;杨豫龙;贺江;毕乐宇;曹卫华 -专利权人：中国地质大学（武汉）
申请日： 2023-04-13 - 公布日： 2023-09-19 - 主分类号： G06N5/022 文献下载
摘要：本发明提供了一种知识迁移的微波滤波器优化调试方法、设备及存储设备，包括：面向初始微波滤波器的调试任务：建立初始知识生成模型、确定初始优化范围和优化调试初始微波滤波器，基于建立的初始知识生成模型和确定的初始优化范围，对初始微波滤波器进行优化调试；面向其他微波滤波器的调试任务：差异度评估、确定迁移强度、建立知识生成模型、确定优化范围和优化调试，基于差异度评估阶段得到的差异程度和迁移强度，微调初始知识生成模型，得到知识生成模型；基于知识生成模型和确定的优化范围，对其他始微波滤波器进行优化调试。本发明的有益效果是：实现了个体差异间微波滤波器的高效调试，在不同任务间迁移知识，提升了整体调试效率。
知识迁移微波滤波器优化调试方法设备存储

[发明专利]知识图谱链接预测方法及系统-CN202310303624.X在审
发明人：闫德祥;王飞;葛江涛;王禹力;于翔;苏骞;申治明;刘忆璐 -专利权人：中国电子科技集团公司第二十九研究所
申请日： 2023-03-24 - 公布日： 2023-09-19 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种知识图谱链接预测方法及系统，属于知识图谱链接领域，包括步骤：实体连通差异预处理，计算偏僻实体阈值并采用规则补全对其进行连通性处理；计算过饱和实体阈值，采用邻域注意力排序截断对其进行连通性处理；预处理后，生成均衡知识图谱；将生成的所述均衡知识图谱输入至目标导向注意力网络中进行嵌入学习，将预测链接任务融入至邻域交互作用体，计算目标导向的邻域注意力，针对链接预测任务的预测链接进行针对性的嵌入更新和进行链接预测。本发明提高了知识图谱的质量，增强了聚合邻域信息更新嵌入的效果，有效提高了注意力分配的质量，增强了嵌入学习的质量，提高了知识图谱链接预测任务的准确度。
知识图谱链接预测方法系统

[发明专利]一种预测模型的训练方法、装置、存储介质及电子设备-CN202311053464.4在审
发明人：余磊;吕劲松;陈红阳 -专利权人：之江实验室
申请日： 2023-08-21 - 公布日： 2023-09-15 - 主分类号： G06N5/02 文献下载
摘要：本说明书公开了一种预测模型的训练方法、装置、存储介质及电子设备，通过对样本图中的各节点进行聚类，再基于聚类结果中与目标节点属于相同聚类簇但与目标节点不存在链接关系的各节点，以及与所述目标节点距离较近但与该目标节点之间也不存在链接关系的各节点，确定指定节点，并将该指定节点和目标节点进行组合得到负样本对，以及根据确定出的负样本对和基于样本图中原有的链接关系确定出的正样本对，对该预测模型进行训练。本方法能充分考虑并利用节点间的相似信息进行负采样，从而使得训练得到的预测模型，可针对每个节点，准确预测其他节点与该节点之间存在链接关系的可能性，提高了预测结果的准确率。
一种预测模型训练方法装置存储介质电子设备

[发明专利]一种基于图变换网络的知识图谱多元关系链路预测方法-CN202310749257.6在审
发明人：张栗粽;郑旭;康昭;刘立建;朱巡洋;王璐 -专利权人：电子科技大学
申请日： 2023-06-21 - 公布日： 2023-09-15 - 主分类号： G06N5/025 文献下载
摘要：本发明提出了一种基于图变换网络的知识图谱多元关系链路预测方法，利用异构图建模多元关系事实，更充分还原了多元关系事实中的复杂异构交互信息；然后通过图变换神经网络，利用其在异构图中的元路径相关概念和图卷积运算逻辑，实现异构图上元路径的自动生成，完成多元关系中节点异构交互特征的提取和聚合；最后通过融合节点初始嵌入，对关系事实中的目标节点进行预测，并将预测结果与所有节点计算相似度，得到其预测评估分值；本发明通过对多元关系事实的充分建模和信息挖掘，克服了多元关系事实利用中存在的信息丢失问题，一定程度上提高了预测结果的准确性，既适用于对关系事实中的实体预测，也适用于其中的关系预测。
一种基于变换网络知识图谱多元关系预测方法

[发明专利]一种知识图谱链接预测方法-CN202310749432.1在审
发明人：孙明;惠孛;田玲;何岳峰;朱江桦;宋发仁 -专利权人：电子科技大学
申请日： 2023-06-21 - 公布日： 2023-09-15 - 主分类号： G06N5/025 文献下载
摘要：本发明公开了一种知识图谱链接预测方法，包括以下分步骤：利用TransE模型对实体和关系进行预训练，获得初始化的实体和关系的嵌入表示；基于初始化的实体和关系的嵌入表示，构建训练集和测试集，将训练集的数据输入基于卷积神经网络和自注意力机制的神经网络模型进行训练，并计算训练集在基于卷积神经网络和自注意力机制的神经网络模型上的损失函数值，保存优化模型参数；基于优化的模型参数，对测试集的候选三元组进行打分排序，预测缺失的实体或关系，完成对知识图谱的链接预测。本发明面向知识图谱链接预测任务，结合使用卷积神经网络和自注意力机制，实现充分挖掘三元组内部的交互信息，提高模型链接预测能力。
一种知识图谱链接预测方法

[发明专利]一种基于强化状态建模的知识图谱多跳推理方法-CN202310749294.7在审
发明人：张栗粽;田玲;郑旭;尹晓宇;黄嘉豪;杨筠 -专利权人：电子科技大学
申请日： 2023-06-21 - 公布日： 2023-09-15 - 主分类号： G06N5/025 文献下载
摘要：本发明公开了一种基于强化状态建模的知识图谱多跳推理方法，包括以下步骤：利用一组嵌入模型对知识图谱数据进行预训练，得到实体和关系的嵌入表示，并使用测试集评估各嵌入模型的预测性能，得到一组MRR指标；根据MRR指标计算模型权重，并对各嵌入模型进行排序，得到带权重的嵌入模型；根据带权重的嵌入模型，对每个查询计算对应的全局目标嵌入表示；根据全局目标嵌入表示，构建强化学习状态模型；对强化学习状态模型进行训练，并使用训练完成的强化学习状态模型进行知识图谱的推理补全工作，完成基于强化状态建模的知识图谱多跳推理。本发明解决了针对强化代理全局信息表征不足，在稀疏图谱上的推理缺乏依据，从而限制了模型链接预测性能的问题。
一种基于强化状态建模知识图谱推理方法