“杜昊桐”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2个，建议您升级VIP下载更多相关专利

[发明专利]一种自动搜索时序知识图谱补全模型的方法-CN202211013499.0有效
发明人：王震;杜昊桐;高超;刘晨;李学龙 -专利权人：西北工业大学
申请日： 2022-08-23 - 公布日： 2023-10-13 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及人工智能领域中的时序知识图谱的补全技术，公开了一种自动搜索时序知识图谱补全模型的方法，包括：步骤1:将待补全的时序知识图谱按照不同时间戳划分为若干个静态知识图谱切片；步骤2:定义搜索空间，基于定义好的搜索空间构建超网络；步骤3:使用单路径采样策略优化超网络的参数；步骤4:对超网络进行一次架构采样，并使架构继承超网络的对应参数，利用架构在验证集上进行推理，得到验证性能；步骤5:实施若干次步骤4，得到对应验证性能最优的架构。本发明方法在三个公开的基准数据集上，可以搜索出比手工设计模型补全性能更优的网络模型；可以针对不同的数据集搜索出不同的网络结构，提升了模型结构的灵活性与数据适应性。
一种自动搜索时序知识图谱模型方法

[发明专利]一种使用共享参数卷积神经网络的知识图谱表示方法-CN202011347873.1有效
发明人：王震;杜昊桐;朱培灿;王榕;姚权铭 -专利权人：西北工业大学
申请日： 2020-11-26 - 公布日： 2022-05-10 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种使用共享参数卷积神经网络的知识图谱表示方法；包括如下步骤：将实体表示向量变换成二维的实体表示矩阵；将关系表示向量设置为卷积层的参数；将实体表示矩阵通过两层卷积层，再通过一层全连接层，得到特征向量；将特征向量与实体嵌入层的参数做点积，得到分类概率。本发明使用的共享参数方法，在两层卷积网络中使用了相同的参数，降低了空间资源开销，相比于两层不同参数的卷积网络，使得参数得到充分训练，提升了表示效果，并提高了使用本发明生成的表示向量进行关系预测任务的准确率。
一种使用共享参数卷积神经网络知识图谱表示方法