“时序知识”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果102430个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图计算的辣椒病理推理方法-CN202310054764.8在审
发明人：林劼;王元芳;白毅;梁玉龙;胡飘;王勇 -专利权人：电子科技大学
申请日： 2023-02-03 - 公布日： 2023-05-02 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于图计算的辣椒病理推理方法，包括静态辣椒病理知识图谱的构建；时序辣椒病理知识图谱的构建；时序辣椒病理推理模型的构建；时序辣椒病理推理模型的应用等四步。所述静态辣椒病理知识图谱的构建将所有节点分为辣椒病害节点和辣椒病害所表现的特征节点，再将辣椒病害节点与辣椒病害所表现的特征节点进行相连；所述时序辣椒病理知识图谱的构建，以时序知识图谱的方式来描述辣椒患病过程中特征的演变过程；所述时序辣椒病理知识图谱推理模型的构建采用四个图卷积神经网络，还包括VAE模块和XL‑VAE模块；所述时序辣椒病理推理模型的应用推断该辣椒所患病害；本发明能应用于辣椒病理推理，有较好的准确性和实际应用价值
一种基于计算辣椒病理推理方法

[发明专利]一种基于张量分解的知识推理方法、装置、设备-CN202110024807.9在审
发明人：陶建华;邵朋朋;刘通;杨国花;张大伟 -专利权人：中国科学院自动化研究所
申请日： 2021-01-08 - 公布日： 2021-06-29 - 主分类号： G06F16/36 文献下载
摘要：本申请实施例涉及数据处理技术领域，具体涉及一种基于张量分解的知识推理方法、装置、设备，旨在提高时序知识推理任务的准确率。所述方法包括：对时序知识图谱数据集中的数据进行提取，得到多组四元组数据，多组四元组数据中的每组四元组数据中包含了头实体、关系、尾实体以及时间；对多组四元组数据进行标注及处理，将处理好的四元组数据作为训练材料；将训练材料输入基于张量分解的时序知识推理模型及其变体模型中，利用梯度下降算法对时序知识推理模型及其变体模型分别进行训练，得到训练好的时序知识推理模型及其变体模型；使用训练好的时序知识推理模型及其变体模型分别执行预测任务
一种基于张量分解知识推理方法装置设备

[发明专利]区块链驱动的企业时序知识图谱构建及应用的方法和装置-CN202211158374.7在审
发明人：朱先强;黄雪芹;程子文;陈子阳;年爱欣;朱承;武德峰;王翔汉;王骏 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-22 - 公布日： 2023-01-03 - 主分类号： G06Q30/00 文献下载
摘要：本申请涉及一种区块链驱动的企业时序知识图谱构建及应用的方法和装置。所述方法包括：通过以联盟区块链网络为底层架构基础，将种子时序知识图谱部署到联盟区块链网络，得到知识图谱联盟链；获取企业用户贡献的新企业信息数据，进行数据上链后，按照预设规则增加企业用户的积分值；由知识图谱构建机构对知识图谱联盟链中的时序知识图谱进行维护更新；当接收到企业用户的服务请求时，由知识图谱构建机构基于知识图谱联盟链中的时序知识图谱和预先构建的时序推理模型，为企业用户提供信息服务，并按照预设规则减少企业用户的积分值。本发明构建了一个开放、可信、分布式的由各企业主体主动参与的知识图谱构建架构，实现了平台的正向循环。
区块驱动企业时序知识图谱构建应用方法装置

[发明专利]一种基于故障时序知识图谱的装备剩余寿命预测方法-CN202211333271.X在审
发明人：张元鸣;周伟跃;肖刚;程振波;徐雪松;陆佳炜;王琪冰 -专利权人：浙江工业大学
申请日： 2022-10-28 - 公布日： 2023-03-07 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于故障时序知识图谱的装备剩余寿命预测方法，包括以下步骤：1)将装备部件、指标信息和时间信息进行深度融合，构建故障时序知识图谱；2)采用RGCN提取故障时序知识图谱在每个时刻的节点级特征；3)采用GMPool提取故障时序知识图谱在每个时刻的图级特征；4)采用Transformer预测故障时序知识图谱在下一刻的图级特征向量；5)根据预测的图级特征向量，与标注的数据集上进行迭代训练，生成装备的剩余使用寿命本发明能够将利用装备时序特征和空间特征进行深度融合，利用图神经网络提高装备剩余寿命预测的预测结果。
一种基于故障时序知识图谱装备剩余寿命预测方法

[发明专利]基于知识图谱的预测方法、装置和电子设备-CN202211045030.5有效
发明人：孙正雅;贺胤涵;张文生;刘安安;李文辉;魏志强;聂婕 -专利权人：中国科学院自动化研究所;天津大学;青岛海洋科学与技术国家实验室发展中心
申请日： 2022-08-30 - 公布日： 2022-12-30 - 主分类号： G06F16/33 文献下载
摘要：本发明提供一种基于知识图谱的预测方法、装置和电子设备，涉及大数据处理技术领域。该方法包括：获取目标海域历史时段的监测数据，将所述监测数据表示为时序知识图谱；将所述时序知识图谱输入循环图神经网络，获得所述时序知识图谱的第一嵌入；从所述时序知识图谱中提取平滑缓解信息，基于所述平滑缓解信息对所述第一嵌入进行调整本发明从时序知识图谱中提取平滑缓解信息，并通过平滑缓解信息对第一嵌入进行调整，能够避免循环图神经网络层次较多导致的过平滑问题。
基于知识图谱预测方法装置电子设备

[发明专利]时序知识图谱生成方法、装置、设备和介质-CN202010041805.6有效
发明人：黄昉;李双婕;史亚冰;蒋烨;张扬;朱勇 -专利权人：北京百度网讯科技有限公司
申请日： 2020-01-15 - 公布日： 2023-08-04 - 主分类号： G06F16/36 文献下载
摘要：本申请实施例公开了一种时序知识图谱生成方法、装置、设备和介质，涉及知识图谱技术，其中，该方法包括：获取包括时间信息的语料；对语料进行多元数据抽取，其中，多元数据包括实体对、实体关系、以及实体关系的目标时间区间，目标时间区间用于表示实体关系有效的期限；基于实体对、实体关系、以及实体关系的目标时间区间，生成时序知识图谱。本申请实施例提出了一种基于包含时间区间的结构化数据格式生成时序知识图谱的方式，对构建时序知识图谱的数据格式进行统一的规范化，提高了知识图谱中知识的时间信息的表达精度。
时序知识图谱生成方法装置设备介质

[发明专利]知识图谱的更新方法和装置、存储介质及电子设备-CN202210360766.5在审
发明人：张林海;周德宇;张倩汶;曹云波 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-04-07 - 公布日： 2022-09-27 - 主分类号： G06F16/36 文献下载
摘要：本申请公开了一种知识图谱的更新方法和装置、存储介质及电子设备。其中，该方法包括：获取待更新的第一时序知识图谱，根据第一时序知识图谱构建第一函数和第二函数，根据第一函数和第二函数构建目标评价函数，根据目标评价函数，在第二组四元组中确定出待补入的四元组，并将待补入的四元组添加至第一时序知识图谱中，得到第二时序知识图谱。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景，本申请解决了时序知识图谱的利用效率较低的技术问题。
知识图谱更新方法装置存储介质电子设备

[发明专利]一种基于时序知识图谱的查询方法和系统-CN202310657909.3在审
发明人：李松;王哲;李晶 -专利权人：哈尔滨理工大学
申请日： 2023-06-06 - 公布日： 2023-09-05 - 主分类号： G06F16/33 文献下载
摘要：一种基于时序知识图谱的查询方法和系统，属于知识图谱技术领域，本发明建立了一种快照模式和日志模式相结合的时序知识图谱存储模型，有效的平衡了内存开销大和查询效率低的问题；设计了四种相应的索引结构，以提高时序知识图谱的查询检索效率；根据索引进行时序匹配，得到符合要求的查询图；在快照上进行单元匹配及整体匹配得到快照上的匹配集；在增量日志上进行匹配得到日志上的匹配集；将快照匹配集和日志匹配集聚合到一起得到最终的匹配结果集。本发明针对时序知识图谱的知识结构进行了更高效的存储，使其查询效率更加高效。
一种基于时序知识图谱查询方法系统

[发明专利]基于QR分解的时序知识图谱补全方法、装置及电子设备-CN202210406181.2在审
发明人：邓劲生;乔凤才;赵涛;宋省身;常春喜;刘静;喻庭昌 -专利权人：中国人民解放军国防科技大学
申请日： 2022-04-18 - 公布日： 2022-07-01 - 主分类号： G06F16/36 文献下载
摘要：本申请涉及一种基于QR分解的时序知识图谱补全方法、装置及电子设备。所述方法获取时序知识图谱中的头实体、关系、尾实体、时间戳的初始嵌入表示，该初始嵌入表示是复数形式；将时间戳的初始嵌入表示的实部和虚部分别采用Gram‑Schmidt正交化进行QR分解，得到时间戳的实部和虚部对应的两个正交矩阵，并根据该两个正交矩阵对头实体、关系和尾实体的初始嵌入表示进行融合，得到头实体、关系和尾实体的融合时间嵌入表示，根据该融合时间嵌入表示计算待补全时序知识图谱中知识的分数，并通过分数预测待补全时序知识图谱中的缺失内容，完成时序知识图谱补全。该方法能够准确、快速的构造动态的知识图谱，具有更好的实用意义。
基于 qr 分解时序知识图谱方法装置电子设备

[发明专利]一种基于单变量时序数据生成知识点的方法-CN202310054888.6在审
发明人：文成武;夏敏;易丛文 -专利权人：深圳智现未来工业软件有限公司
申请日： 2023-02-03 - 公布日： 2023-07-18 - 主分类号： G06N5/025 文献下载
摘要：本发明涉及一种基于单变量时序数据生成知识点的方法，包括：获取单变量时序数据，所述时序数据为半导体制造过程中设备的传感器产生的数据；将所述时序数据中时间排序在前的目标子序列输入到预测模型中，得到预测数据；根据所述预测数据与所述时序数据中接续所述目标子序列的实测数据，确定与所述设备传感器相关的异常类型；根据所述异常类型、所述时序数据的类别、所述设备的设备编号和所述设备正在加工的晶圆的编号，确定对应的知识点，所述知识点用于生成或更新半导体领域的知识图谱。
一种基于变量时序数据生成知识点方法

[发明专利]一种面向时序知识图谱的无监督实体对齐方法及装置-CN202211461066.1有效
发明人：陈璐;王嘉琪;高云君 -专利权人：浙江大学
申请日： 2022-11-17 - 公布日： 2023-04-11 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种面向时序知识图谱的无监督实体对齐方法及装置，该方法包括：获取两个时序知识图谱，每个时序知识图谱包括若干含有时间信息的四元组；根据每个时序知识图谱中的实体和对应的时间信息，通过图卷积式前向传递的方式，构建两个时间特征矩阵，采用双向策略生成两个实体对齐矩阵，并以匹配的方式无监督地获得预对齐的伪标签；以时序知识图谱的四元组为训练数据集、以预对齐的伪标签未训练数据标签，对利用时间信息扩展后的图神经网络模型进行训练，得到关系特征矩阵；采用加权方式融合关系特征矩阵和两个时间特征矩阵，得到两个时序知识图谱之间的距离，并通过最小化距离，得到对应的实体对齐矩阵，从而得到实体对齐结果。
一种面向时序知识图谱监督实体对齐方法装置

[发明专利]基于知识图谱的时序图可视化方法、装置、存储介质和设备-CN202210870656.3在审
发明人：杨娟;翟士丹;罗奕;敖景宽;肖丹 -专利权人：北京海致星图科技有限公司
申请日： 2022-07-22 - 公布日： 2022-11-15 - 主分类号： G06F16/36 文献下载
摘要：本发明实施例提供一种基于知识图谱的时序图可视化方法，所述方法包括：获取知识图谱数据，知识图谱数据包括实体和实体对应时间，对知识图谱数据中每个实体对应时间进行配置，获得开始字段和结束字段，生成时序图的横坐标轴，根据开始字段和结束字段对所述知识图谱数据进行搜索，获得搜索范围内的知识图谱数据，根据实体对应时间将搜索范围内的知识图谱数据生成时序图进行可视化展示。本发明将时间维度信息加入到图数据与时序图的结合过程中，可分析复杂关系中存在的特定的潜在风险，具有较强的可读性、交互性和实用性。
基于知识图谱时序可视化方法装置存储介质设备

[发明专利]面向新闻领域的时序知识图谱链路预测方法-CN202310421320.3在审
发明人：冯思玲;吉训漾;黄梦醒;刘倩;刘慧舟;毋媛媛 -专利权人：海南大学
申请日： 2023-04-19 - 公布日： 2023-09-12 - 主分类号： G06F16/36 文献下载
摘要：本发明公开面向新闻领域的时序知识图谱链路预测方法，包括步骤：将预处理后的新闻数据集转换为静态知识图谱；为静态知识图谱的每个实体节点和关系边添加时间戳信息，并通过滑动时间窗口裁剪为若干个时间子图，形成时序知识图谱；对时序知识图谱进行编码，获得时序编码向量；采用时间向量生成器生成周期性和非周期性时间向量，将周期性和非周期性时间向量与时序编码向量结合组成嵌入矩阵；构建Time‑ConvKB模型，将嵌入矩阵嵌入Time‑ConvKB本发明能够解决传统知识图谱在新闻领域上的数据稀疏性，提高了模型的预测准确性，更好的反应新闻数据的时效性，提高预测的实用性。
面向新闻领域时序知识图谱预测方法

[发明专利]时序知识图谱表征模型构建方法和时序知识图谱补全方法-CN202210783097.2在审
发明人：黄文丽;程金平;韩文博 -专利权人：苏州凌图科技有限公司
申请日： 2022-07-05 - 公布日： 2022-10-18 - 主分类号： G06F16/36 文献下载
摘要：本发明实施例公开了时序知识图谱表征模型构建方法和时序知识图谱补全方法，时序知识图谱表征模型构建方法包括：获取时序知识图谱G，每个知识采用四元组(hi,ri,ti,[tis,tie])描述；对时序知识图谱G中的时间信息进行粒度划分，得到离散时间段的静态子知识图谱G1,…Gτ,……,GT；对每个静态子知识图谱Gτ学习建立超平面，获取静态子知识图谱Gτ在超平面中实体、关系和时间的向量表征；利用静态子知识图谱本方法构建的模型在传统静态知识图谱的三元组关系表达基础上，通过加入时间维度的四元组描述模型，为海量感知数据提供了一致性的异构数据描述模型。
时序知识图谱表征模型构建方法

[发明专利]一种基于协同演化建模的时序知识图谱表示学习方法-CN202110305818.4有效
发明人：张嘉昇;梁爽;邵杰 -专利权人：四川省人工智能研究院(宜宾)
申请日： 2021-03-23 - 公布日： 2023-03-14 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种基于协同演化建模的时序知识图谱表示学习方法，属于时序知识图谱技术领域，根据待表示的时序知识图谱，初始化模型的参数以及任一实体和关系的嵌入表示；计算得到每个已知事实的发生概率，并通过最大化已知事实的发生概率得到局部结构的演化损失；为每个时序知识图谱快照的图结构计算其对应的软模块度，并最大化软模块度得到全局结构的演化损失；计算得到模型的整体损失函数；利用梯度下降法迭代优化所述模型的整体损失函数，直至模型收敛。本发明解决了以往的工作因为忽略时序知识图谱的演化本质而无法获得准确的嵌入表示的问题。
一种基于协同演化建模时序知识图谱表示学习方法