“殷风景”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果12个，建议您升级VIP下载更多相关专利

[发明专利]一种基于边际参数损失的知识图谱三元组分类方法-CN202310608186.8在审
发明人：张鹏飞;谭真;殷风景;肖卫东;方阳;赵翔 -专利权人：中国人民解放军国防科技大学
申请日： 2023-05-25 - 公布日： 2023-09-22 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于边际参数损失的知识图谱三元组分类方法，包括以下步骤：将三元组集分为两个不相交的子集，即isA三元组集和关系三元组集；对于关系三元组，采用RotatE模型进行建模；建模isA关系的传递性和反对称性来建模isA关系链，经过传递性建模，对于同一个下位词对应不同上位词的情况，建模成同一直线上的不同点；结合对于传递性的建模方法和对于反对称性的建模，利用实体嵌入表示的每个分量在旋转后的复平面虚轴上的投影点不同进行建模；使用基于边际参数的损失函数作为优化目标进行训练，用训练后的模型对知识图谱进行三元组分类。本发明相比其他基线方法学习出的向量表示性能更好。
一种基于边际参数损失知识图谱三元组分方法

[发明专利]一种用于含噪稀疏文本的语义关系抽取方法-CN201910806205.1有效
发明人：赵翔;庞宁;谭真;郭爱博;殷风景;唐九阳;葛斌;肖卫东 -专利权人：中国人民解放军国防科技大学
申请日： 2019-08-29 - 公布日： 2023-04-18 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种用于含噪稀疏文本的语义关系抽取方法，包括以下步骤：建立训练样本集；构建语义关系抽取模型；训练语义关系抽取模型；建立待抽取语义的数据集；利用训练好的语义关系抽取模型从待抽取语义的数据集中提取语义关系。本发明方法采用不同的卷积神经网络分别提取分词序列和对应依存路径的特征，避免了错误积累，比传统基于特征和核的关系抽取方法，有明显的效果提升；充分利用关系实例的两种信息表示，通过特征融合层将二者有效结合，为准确预测目标实体对的语义关系提供更全面的信息；加入多实例学习方法，用于在样本稀疏条件下的噪声抑制，与注意力机制相比，该机制不存在欠拟合问题，更适合稀疏样本下的语义关系抽取问题。
一种用于稀疏文本语义关系抽取方法

[发明专利]一种基于改进特征融合的语义关系抽取方法-CN201910811049.8有效
发明人：庞宁;谭真;赵翔;张啸宇;殷风景;唐九阳;葛斌;肖卫东 -专利权人：中国人民解放军国防科技大学
申请日： 2019-08-29 - 公布日： 2023-04-07 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于改进特征融合的语义关系抽取方法，包括以下步骤：建立训练样本集；构建语义关系抽取模型；训练语义关系抽取模型；建立待抽取语义的数据集；利用训练好的语义关系抽取模型从待抽取语义的数据集中提取语义关系。本发明设计了一种保留谓词的依存路径，所述的依存路径包含两个子路径，子路径分别为根节点分别到两个实体的最短路径，与原本的分词序列同时作为输入，用于实体对之间语义关系的抽取，从而达到更准确的关系预测；加入多实例学习方法，用于在样本稀疏条件下的噪声抑制，与注意力机制相比，该机制不存在欠拟合问题，更适合稀疏样本下的中文文本语义关系抽取问题。
一种基于改进特征融合语义关系抽取方法

[发明专利]一种数据不均衡条件下的联邦关系抽取方法-CN202210896518.2在审
发明人：赵翔;庞宁;肖卫东;胡艳丽;殷风景;谭真;葛斌 -专利权人：中国人民解放军国防科技大学
申请日： 2022-07-28 - 公布日： 2022-11-01 - 主分类号： G06F40/211 文献下载
摘要：本发明公开了一种数据不均衡条件下的联邦关系抽取方法，包括：在终端输入层，输入终端本地训练数据；在终端编码层，利用预训练语言模型，对关系所涉及的头尾实体进行符号标记，并将标记所对应的隐藏层向量串联作为句子编码向量；在终端输出层，根据终端编码层输出的特征向量进行关系分类，并通过交叉熵损失进行模型优化；在终端可信度计算层，终端首先从服务器下载公用验证集，将前面优化训练后的模型参数固定，在验证集上计算各类关系的预测可信度；在终端预测层，终端对无标注数据进行预测，预测结果与预测可信度相乘，得到最终预测结果并上传服务器；服务器得到无标注数据集的弱标注结果，将带有弱标签的数据集下发至各终端，进行本地训练。
一种数据均衡条件下联邦关系抽取方法

[发明专利]基于属性知识引入的协同过滤推荐方法-CN202210669159.7在审
发明人： 殷风景;张鑫;潘岩;肖卫东;赵翔;徐浩;雷军 -专利权人：中国人民解放军国防科技大学
申请日： 2022-06-14 - 公布日： 2022-10-18 - 主分类号： G06F16/9536 文献下载
摘要：本发明属于推荐技术领域，公开了基于属性知识引入的协同过滤推荐方法，包括：构建基于用户直接信息和间接信息的属性体系；基于带L1惩罚项的逻辑回归模型的特征选取；基于双向量拼接的用户行为向量与用户属性知识向量的融合；并将协同过滤、基于用户属性知识计算近邻和用户属性知识与行为向量融合集成形成三重混合推荐，所述三重混合推荐通过利用属性信息，并通过加权投票方式将用户属性、行为数据和协同过滤的推荐融合起来。本发明通过构建与引入属性信息，集成行为数据信息，在进行嵌入式特征选取和向量拼接相似计算的基础上，建立三重混合推荐模型将用户属性和协同过滤结合起来，提升了推荐的效果。
基于属性知识引入协同过滤推荐方法

[发明专利]一种用于知识图谱的实体对齐方法-CN201910968049.9有效
发明人：赵翔;曾维新;唐九阳;徐浩;谭真;殷风景;葛斌;肖卫东 -专利权人：中国人民解放军国防科技大学
申请日： 2019-10-12 - 公布日： 2022-10-14 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种用于知识图谱的实体对齐方法，包括以下步骤：获取两个知识图谱的数据；利用图卷积网络学习实体的结构向量，将实体的名字表示为词向量；计算实体的结构距离和词特征距离；并将两个距离融合综合距离以表示实体的相似程度；根据相似程度的计算结果进行实体识别对齐。本发明方法设计了一个融合结构特征和实体名特征的实体对齐基本框架；采用词移距离模型将前序对齐结果进行重排序，以充分挖掘实体名信息，提升实体对齐的准确性和时效性。
一种用于知识图谱实体对齐方法

[发明专利]一种基于实体对齐的知识图谱融合方法-CN201910967655.9有效
发明人：赵翔;曾维新;唐九阳;徐浩;谭真;殷风景;葛斌;肖卫东 -专利权人：中国人民解放军国防科技大学
申请日： 2019-10-12 - 公布日： 2022-07-01 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于实体对齐的知识图谱融合方法，包括以下步骤：获取两个知识图谱的数据；利用图卷积网络学习实体的结构向量，将实体的名字表示为词向量；计算实体间的综合距离以表示实体之间的相似程度；采用基于课程学习的迭代训练框架进行实体识别对齐；按照实体对齐结果，将两个知识图谱融合为一个知识图谱。本发明方法设计了一个融合结构特征和实体名特征的实体对齐基本框架；设计基于课程学习的迭代训练方法，由易至难地扩增训练数据，采用词移距离模型将前序对齐结果进行重排序，以充分挖掘实体名信息，使得知识图谱的融合更精准更全面。
一种基于实体对齐知识图谱融合方法

[发明专利]一种少样本学习异构信息网络的链路预测方法-CN202111532552.3在审
发明人：方阳;肖卫东;徐浩;胡升泽;殷风景;胡艳丽;赵翔 -专利权人：中国人民解放军国防科技大学
申请日： 2021-12-14 - 公布日： 2022-03-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种少样本学习异构信息网络的链路预测方法,包括步骤：从原始图中对子图进行采样；对支持集中多个支持图实例采样和迭代，在每个子图中用结构模块来生成节点嵌入，然后将节点嵌入输入异构图神经网络模块进行训练更新；根据节点嵌入获得任务嵌入；计算支持损失函数并更新参数；对多个查询图实例进行采样，并按与支持集相同的训练过程来学习节点嵌入和查询损失函数；更新最终的适应参数，进行链路预测和推荐。本发明可以在不同的异构信息网络之间迁移；采用结构模块、异构模块和对比模块分别捕获子图的结构信息、异构特征和未标记信息，在多个异构信息网络上均显著优于最新技术参数。
一种样本学习信息网络预测方法

[发明专利]一种多变量扭曲时间序列预测方法-CN201711267794.8有效
发明人：庞宁;李旻浩;赵翔;肖卫东;殷风景;葛斌;张啸宇 -专利权人：中国人民解放军国防科技大学
申请日： 2017-12-05 - 公布日： 2022-03-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种多变量扭曲时间序列预测方法，所述预测方法包括如下步骤：1建立训练样本集；2构建多变量时间序列卷积神经网络模型；所述多变量卷积神经网络模型至少包括依次连接的输入层、特征提取层、卷积层模块、各变量全连接层、所有变量全连接层和输出层；3训练多变量时间序列卷积神经网络模型；4组装多变量时间序列卷积神经网络模型,得到的多变量时间序列预测系统；5利用多变量时间序列预测系统对电力消耗的多变量时间序列进行预测。该方法用于对电网系统的电力消耗进行预测，克服了传统方法没有充分利用序列抽象特征、容易受到数据扭曲影响的缺点，可以降低扭曲数据对预测结果精度的影响，可靠性强。
一种多变扭曲时间序列预测方法

[发明专利]一种基于嵌入式特征选择的冷启动项目推荐方法-CN201910195068.2有效
发明人：赵翔;陈一帆;谭真;殷风景;葛斌;唐九阳;肖卫东 -专利权人：中国人民解放军国防科技大学
申请日： 2019-03-14 - 公布日： 2021-03-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于嵌入式特征选择的冷启动项目推荐方法，包括获取用户集、项目集和特征集；生成用户项目交互矩阵和项目特征矩阵；建立基于嵌入式特征选择的用户项目预测的优化模型；利用监督学习的方法，对所述的优化模型进行参数优化；将优化后的参数带入所述的预测模型中，计算项目的预测评级分数；根据所述的预测评级分数对项目进行推荐。本发明方法中既考虑了各个用户在特征选择上的个体性差异，又考虑了共性特征的存在，确保了推荐的特征个性化，同时实现了降维，另外通过弹性网络正则化来处罚权重和基于软阈值的高效算法来优化模型，使得本发明的方法相对其他推荐算法具有更强的优越性。
一种基于嵌入式特征选择冷启动项目推荐方法

[发明专利]一种改进的面向领域的命名实体消歧方法-CN201710492195.X在审
发明人：赵翔;曾维新;唐九阳;殷风景;廖劲智;冯滔 -专利权人：中国人民解放军国防科学技术大学
申请日： 2017-06-26 - 公布日： 2017-11-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种改进的面向领域的命名实体消歧方法，其涉及实体消歧技术领域，该方法包括以下步骤1)利用预处理模块对输入文本进行预处理得到实体指称集合以及相应的候选实体集合；2)利用特征选取模块对实体指称集合以及相应的候选实体集合进行多方面特征提取，并构建指称‑实体依赖图；3)利用近似算法，分两阶段对文本中所有实体指称及候选实体进行命名实体消歧，得到消歧结果。本发明考虑到指称共现对消歧结果的影响，通过在依赖图的指称侧建立连接边，优化后续算法处理顺序，进而取得更高的消歧准确率。
一种改进面向领域命名实体方法

[发明专利]一种面向网络敏感信息的截图取证与锁定回访的方法-CN201210250209.4无效
发明人：李芳芳;葛斌;汤大权;肖卫东;殷风景;贺明科;封孝生;谭文堂 -专利权人：中国人民解放军国防科学技术大学
申请日： 2012-07-19 - 公布日： 2013-01-30 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种面向网络敏感信息的截图取证与锁定回访方法，该方法包括：对所监测网站的网页数据进行采集；对网页数据进行规范化处理、基于正则表达式抽取网页标题和链接、基于网页标题和链接进行敏感信息的匹配；对敏感信息进行外页和内页截图；对敏感信息锁定回访以防止其“死灰复燃”；对敏感信息截图结果进行存储与查询。对于网络上的敏感信息，本发明能够在最短时间内发现并对其截图保存，防止此类网页日后被更新或删除，便于相关处置机构存档取证和及时处置，以及对屡次发布敏感信息的网站进行处理。此外，本发明的方法还能够有效解决对网络敏感信息的监控和处置需求，适用于网络舆情分析系统的实施。
一种面向网络敏感信息截图取证锁定回访方法

1
共 12 条