“知识表示”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263054个，建议您升级VIP下载更多相关专利

[发明专利]基于复合分层模型的多模态联合知识表示方法及系统-CN202211368674.8在审
发明人：刘丽华;陈海文;杨皓宇;魏勇;王懋;朱冠宇;胡芳槐 -专利权人：中国人民解放军国防科技大学
申请日： 2022-11-03 - 公布日： 2023-03-14 - 主分类号： G06F16/36 文献下载
摘要：本申请公开了一种基于复合分层模型的多模态联合知识表示方法及系统，所述多模态联合知识表示系统基于分层分治思想，将面向多模态的知识表示模块分别封装为多个知识表示层，每个知识表示层可根据模态同步对多模态知识/数据分别进行知识表示，并且，在所述多个知识表示层顶端还设置有联合表示学习层，所述联合表示学习层可将源于各知识表示层的单模态知识或者多模态联合知识进行表示学习，从而获得所述多模态知识/数据对应的多模态联合知识表示
基于复合分层模型多模态联合知识表示方法系统

[发明专利]基于时序知识图谱的问答方法、实体表示方法及相关装置-CN202211308301.1有效
发明人：张汀依;李直旭;支洪平;刘加新;吴瑞萦 -专利权人：科大讯飞（苏州）科技有限公司
申请日： 2022-10-25 - 公布日： 2023-04-04 - 主分类号： G06F16/36 文献下载
摘要：本申请公开了一种基于时序知识图谱的问答方法、实体表示方法及相关装置，该方法包括：获取目标问题；利用时序知识图谱中各知识实体的语义表示，查找到与目标问题中的目标实体相关的知识实体，作为关联实体；基于时序知识图谱中包含关联实体的至少一条知识，得到目标问题的答案，其中，知识实体的语义表示是基于知识的知识表示是对知识的图谱表示和文本表示融合得到，知识包含知识实体和时间。上述方式，通过文本表示与图谱表示融合以得到的实体的语义表示，语义表示融合了文本表示和图谱表示，能够更为全面的表示实体，从而更为准确地理解目标问题中的目标实体，进而提高时序知识图谱问答结果的准确性。
基于时序知识图谱问答方法实体表示相关装置

[发明专利]一种知识增强的推荐方法和系统-CN202110435550.6有效
发明人：吕子钰;乔宇 -专利权人：中国科学院深圳先进技术研究院
申请日： 2021-04-22 - 公布日： 2022-11-01 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种知识增强的推荐方法和系统。该方法包括：针对评论文档，提取全局层次的语义向量表示和语句层次的隐含向量表示，获得层次化的语义表示；利用知识库，检索与评论文档关联的语义知识，形成关联语义知识表示；融合所述层次化语义知识和所述关联语义知识表示，得到用户的语义知识增强表示、物品的语义知识增强表示以及用户‑物品交互的语义知识增强表示；基于神经协同过滤框架，融合所得到的用户的语义知识增强表示、物品的语义知识增强表示以及用户‑物品交互的语义知识增强表示
一种知识增强推荐方法系统

[发明专利]知识抽取方法及相关方法和相关装置、电子设备、介质-CN202210133285.0有效
发明人：张汀依;李直旭;瞿剑锋;陈志刚;吴瑞萦 -专利权人：科大讯飞（苏州）科技有限公司
申请日： 2022-02-14 - 公布日： 2022-08-16 - 主分类号： G06F16/36 文献下载
摘要：本申请公开了一种知识抽取方法及相关方法和相关装置、电子设备、介质。该方法包括：基于时间对各实体和各关系的影响模型，提取目标三元组的第一知识表示；其中，目标三元组包括目标头实体、目标关系和目标尾实体，第一知识表示包含目标头实体、目标关系和目标尾实体三者的个体知识表示，且个体知识表示所包含的各维嵌入表示是分别提取得到的；基于第一知识表示，提取目标三元组的第二知识表示；融合第一知识表示和第二知识表示，得到目标三元组的目标知识表示。通过上述方式，从时间对各实体和各关系的影响模型的角度，根据三元组的各维嵌入表示分别提取得到三元组的个体知识表示，从而使得知识表示的事实更加准确。
知识抽取方法相关装置电子设备介质

[发明专利]一种基于因果的知识表示方法-CN202111244713.9在审
发明人：葛建芳 -专利权人：丹阳达创维电气设备有限公司
申请日： 2021-10-26 - 公布日： 2022-03-01 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种基于因果的知识表示方法，其包括：构建因果知识结构，因果知识包括知识的主体和知识的参数，知识的主体包括表示前提条件的数据A、表示原因的数据B、及表示结果的数据C；知识的参数包括至少一个表示参数的数据D；并形成如下的基本形式：A*B=C→D；并可利用代入法、合并法、混合法形成所需要的其他样式知识的主体；通过上述因果知识结构，提供知识的部分数据，提取知识，以此进行知识的调用；知识调用之后可作必要的参数修改本发明通过因果表示法把要表示的知识表示出来，并按提供的方法进行知识的调用，同时也能把提供的机器学习方法运用到智能系统的设计中，它简捷好用，并方便实现机器学习。
一种基于因果知识表示方法

[发明专利]一种知识表示学习方法及系统-CN202310630648.6在审
发明人：耿玉水;陈晓雨;梁虎;赵晶 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-05-29 - 公布日： 2023-08-25 - 主分类号： G06N5/025 文献下载
摘要：本发明提出了一种知识表示学习方法及系统，涉及表示学习领域，用待建模的知识库对构建的知识表示模型进行训练，学习知识库中三元组的知识表示，完成知识库的建模；知识表示模型包括信息提取模块和编码器；信息提取模块用于提取三元组的关系路径信息表示、文本描述信息表示和实体层次类型信息表示；编码器以三元组的关系路径信息表示、文本描述信息表示、实体层次类型信息表示和结构化信息表示为输入，输出三元组的实体和关系的向量表示；本发明通过融合关系路径、文本描述信息和实体的层次类型信息，考虑三元组中其他有效信息，有效地解决了实体和关系语义表示的不完整问题，改善知识表示学习的效果，高效实现知识图谱链接预测与三元组分类任务。
一种知识表示学习方法系统

[发明专利]中文问答系统-CN201510958742.X有效
发明人：游世学;杜新凯;王丙栋 -专利权人：北京中科汇联科技股份有限公司
申请日： 2015-12-18 - 公布日： 2017-06-16 - 主分类号： G06F17/30 文献下载
摘要：本发明提供一种中文问答系统知识标记语言的表示方法及中文问答系统，该方法包括所述中文问答系统知识标记语言的表示方法包括知识的基本表示方法，知识的语义表示方法，知识模板的表示和实例化方法，知识的引用与关联方法，知识中命名实体的表示和消歧方法，知识中表情、数学、超文本符号和时间的表示方法，本发明还提供了一种所述中文问答系统使用上述的表示方法。
中文问答系统知识标记语言表示方法

[发明专利]一种基于团检测的知识表示学习方法和系统-CN202210501721.5在审
发明人：李鑫;甄化春;戴超铭 -专利权人：医惠科技有限公司
申请日： 2022-05-07 - 公布日： 2022-09-20 - 主分类号： G06F16/36 文献下载
摘要：本申请涉及一种基于团检测的知识表示学习方法，其中，该方法包括：确定目标知识节点及其关联知识节点，基于目标知识节点和关联知识节点，构建知识图；依据预设规则对知识图进行处理，得到目标知识节点对应的团检测信息；基于团检测信息，对关联知识节点，添加不同的负样本标记；算法模型在知识表示学习的过程中，根据负样本标记，对关联知识节点施加不同的惩罚权重系数，并生成知识表示向量。通过本申请，解决了知识表示学习中，同类型的不同实体向量区分度较低的问题，提升了知识表示向量的区分度。
一种基于检测知识表示学习方法系统

[发明专利]基于多层网络空间知识表示的知识处理方法和装置-CN202010577901.2在审
发明人：刘斌;丁兆云;严经文;潘永琪;刘蔚柯;陈俐名;孙立健;朱席席;李青山;张力涛 -专利权人：中国人民解放军国防科技大学
申请日： 2020-06-23 - 公布日： 2020-09-01 - 主分类号： G06F16/36 文献下载
摘要：本申请涉及一种基于多层网络空间知识表示的知识处理方法和装置。所述方法包括：构建自上而下多层结构的多层网络空间知识表示；多层结构自上而下包括：宏观层、实施层、属性层、资源层和关系层；针对每个多层结构，根据对应学科领域知识，提取多层结构对应的本体，以及本体之间的空间关系；构建针对多层网络空间知识表示的六元组知识表示；六元组知识表示包括：头实体、关系、尾实体、时间概念、空间概念以及处理算子；根据六元组知识表示对所述多层网络空间知识表示进行知识处理。采用本方法能够满足全面表示网络空间跨域要素之间的多路径交互以及复杂关联关系。
基于多层网络空间知识表示处理方法装置

[发明专利]知识图谱嵌入表示方法及装置-CN202210735568.2在审
发明人：曾山松 -专利权人：深圳集智数字科技有限公司
申请日： 2022-06-27 - 公布日： 2022-09-23 - 主分类号： G06F16/36 文献下载
摘要：本公开涉及人工智能技术领域，提供了一种知识图谱嵌入表示方法及装置。该方法包括：定义知识图谱嵌入表示，并基于知识图谱嵌入表示中实体的名称获取第一文档；利用预设算法初始化知识图谱嵌入表示，得到第一表示和第二表示；利用语言表征模型初始化第一文档，得到第二文档；根据第一表示和第二表示，计算第三表示；根据第一表示和第二文档，计算第四表示；根据第三表示和第四表示，计算第五表示，根据第二表示和第四表示，计算第六表示；根据第五表示和第六表示计算损失值，并基于损失值训练知识图谱嵌入模型；利用知识图谱嵌入模型提供知识图谱嵌入服务
知识图谱嵌入表示方法装置

[发明专利]一种结合实体图像的知识表示学习方法及服务器-CN201710429483.0有效
发明人：孙茂松;谢若冰;刘知远;栾焕博 -专利权人：清华大学
申请日： 2017-06-08 - 公布日： 2020-07-17 - 主分类号： G06F16/36 文献下载
摘要：本发明公开一种结合实体图像的知识表示学习方法及服务器。其中，所述方法包括：根据获取到的实体图像，获得每个与实体对应的实体图像在知识空间上的表示；根据各个所述与实体对应的实体图像在知识空间上的表示以及所述实体基于结构的表示，构建所述实体基于图像的表示；根据知识图谱的三元组以及预设的训练模型，联合训练所述实体基于图像的表示和所述实体基于结构的表示，获得所述实体的知识表示。本发明提供的结合实体图像的知识表示学习方法及服务器，能够将实体图像信息应用到知识表示学习中，提高了知识表示学习的准确性。
一种结合实体图像知识表示学习方法服务器

[发明专利]病例数据推送方法、装置、计算机设备和存储介质-CN202211005098.0在审
发明人：关静;张学杰;李进;许青青;蔡娇;郁培基;王建峰;朱乔 -专利权人：苏州超云生命智能产业研究院有限公司
申请日： 2022-08-22 - 公布日： 2022-11-18 - 主分类号： G16H10/60 文献下载
摘要：方法包括：获取目标病例数据的病例知识图谱；将病例知识图谱分别输入至预先训练的图谱知识表示模型和预先训练的语言表示模型中，通过图谱知识表示模型输出目标病例数据对应的图谱知识表示，以及通过语言表示模型输出目标病例数据对应的文本语义表示；将图谱知识表示与文本语义表示进行拼接，得到目标病例数据对应的病例知识表示；将目标病例数据对应的病例知识表示与目标病例数据对应的病例库中各个病例数据的病例知识表示进行比对，得到相似度；根据相似度确定目标病例数据的相似病例数据
病例数据推送方法装置计算机设备存储介质

[发明专利]一种千亿级知识图库中的数据表示方法-CN201910514448.8在审
发明人：吕志军;刘成军 -专利权人：南京智慧图谱信息技术有限公司
申请日： 2019-06-13 - 公布日： 2019-09-24 - 主分类号： G06F16/51 文献下载
摘要：本发明公开了一种千亿级知识图库中的数据表示方法，包括图数据库中知识的表示方法，索引表示方法，知识转换表示方法；其中图数据库中知识的表示方法包括点的数据格式表示方式和边的数据格式表示方式，均包括两部分：数据的描述说明和数据的存储格式；索引表示方法由关联扩展索引、点的全文索引和边的全文索引组成；知识转换表示方法描述原始数据如何映射转换为点、边数据。本发明能够表达任意结构化的知识，能够灵活自定义任意维度的检索，知识转换过程没有数据依赖约束，可以提升知识转化计算的吞吐量。
知识转换表示方式全文索引数据表示数据格式索引表示知识图数据库存储格式方法描述数据依赖映射转换原始数据知识转化结构化自定义维度索引吞吐量检索关联灵活

[发明专利]知识表示学习方法及装置、电子设备、存储介质-CN202210928004.0在审
发明人：张凯程;张画 -专利权人：中国电信股份有限公司
申请日： 2022-08-03 - 公布日： 2022-10-11 - 主分类号： G06F16/36 文献下载
摘要：本公开提供了一种知识表示学习方法及装置、电子设备、存储介质，涉及知识图谱技术领域。该知识表示学习方法包括：获取知识图谱对应的三元组数据，所述三元组数据包括源实体、目标实体以及所述源实体和所述目标实体之间的关系；对所述三元组数据中的所有实体进行语义分层，得到实体分层数据；将所述实体分层数据输入到知识表示学习模型中，对所述知识表示学习模型进行训练，得到所述知识图谱中实体与关系之间的分布式向量表示。本公开实施例的技术方案对知识图谱进行实体语义分层后实现知识表示学习，能够使得到的实体与关系之间的分布式向量表示更加准确，有效提升知识表示学习模型对知识图谱的链接预测的准确性。
知识表示学习方法装置电子设备存储介质

[发明专利]知识表示模型训练及知识表示方法、装置及设备和介质-CN202310423402.1在审
发明人：陶建华;徐浩天;杨国花;张大伟 -专利权人：启元实验室
申请日： 2023-04-19 - 公布日： 2023-09-29 - 主分类号： G06F16/36 文献下载
摘要：本发明提供知识表示模型训练及知识表示方法、装置及设备和介质，包括：获取初始知识表示模型及训练数据集；将训练数据集输入初始知识表示模型，得到第一预测结果及第一预测结果对应的标签向量；将第一预测结果输入初始知识表示模型，得到第二预测结果；基于第一预测结果及其对应的标签向量以及第二预测结果，计算得到损失函数值；基于损失函数值，对初始知识表示模型进行更新，并返回将训练数据集输入初始知识表示模型，得到第一预测结果及第一预测结果对应的标签向量的步骤，直至损失函数值满足预设损失函数值要求，得到目标知识表示模型。在不引入复杂的老师模型的前提下实现知识蒸馏，减少计算资源消耗和运存占用。
知识表示模型训练方法装置设备介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条