[发明专利]一种融合单词语义知识的神经网络自然语言推理方法有效

专利信息
申请号: 201710842371.8 申请日: 2017-09-18
公开(公告)号: CN107578106B 公开(公告)日: 2020-03-24
发明(设计)人: 陈谦;凌震华;戴礼荣 申请(专利权)人: 中国科学技术大学
主分类号: G06N5/04 分类号: G06N5/04;G06N3/08
代理公司: 北京凯特来知识产权代理有限公司 11260 代理人: 郑立明;郑哲
地址: 230026 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种融合单词语义知识的神经网络自然语言推理方法,包括:从外部语义知识库中提取词对之间的多种语义关系;构建神经网络模型,利用神经网络模型对输入的前提文本、假设文本以及词对之间的多种语义关系进行局部推理建模,再组合局部推理信息,从而得到句子级别的推理信息,最后对神经网络模型进行训练;将未标注的前提文本和假设文本输入至已经训练好的神经网络模型,计算得到属于三个类别的概率分布,选取最大概率对应的类别作为最终预测的类别。该方法改善了传统神经网络方案对外部语义知识利用不足的问题,提高了自然语言推理的准确性。
搜索关键词: 一种 融合 单词 语义 知识 神经网络 自然语言 推理 方法
【主权项】:
一种融合单词语义知识的神经网络自然语言推理方法,其特征在于,包括:从外部语义知识库中提取词对之间的多种语义关系;构建神经网络模型,利用神经网络模型对输入的前提文本、假设文本以及词对之间的多种语义关系进行局部推理建模,再组合局部推理信息,从而得到句子级别的推理信息,最后对神经网络模型进行训练;将未标注的前提文本和假设文本输入至已经训练好的神经网络模型,计算得到属于三个类别的概率分布,选取最大概率对应的类别作为最终预测的类别。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710842371.8/,转载请声明来源钻瓜专利网。

同类专利
  • 一种适用于测试仪器的神经网络高效推理方法-202211162161.1
  • 季桓勇;李飞;韩顺利 - 中国电子科技集团公司第四十一研究所
  • 2022-09-23 - 2023-01-24 - G06N5/04
  • 本发明公开了一种适用于测试仪器的神经网络高效推理方法,属于测试技术领域。本发明方法采用了神经网络层融合的技术,可有效降低卷积‑池化‑非线性这种网络单元的计算量;在内存利用方面,引入了内存复用机制,可对内存进行有效地复用,极大提升测试仪器尤其是小型手持式仪器的智能能力;在整体模型部署方面,本方法预先检测CPU相关的算力情况、CPU使用情况,合理分配线程数目;在模型预推理方面,转换后的模型将在推理前进行预先推理以验证模型转换后的正确性和对硬件资源的利用率,通过推理框架内置的预推理模块,完成模型预推理并给出神经网络各个算子时间损耗。本方法可以有效地解决在测试仪器领域神经网络高效推理问题。
  • 一种基于弱证据聚合的常识因果推理方法及系统-202110410952.0
  • 谢志鹏;李国荣 - 复旦大学
  • 2021-04-16 - 2023-01-17 - G06N5/04
  • 本发明提供了一种基于弱证据聚合的常识因果推理方法及系统,利用弱因果证据以及常识因果知识对用户的因果推理问题进行推理,从而得到因果句子对,其特征在于,包括如下步骤:获取因果推理问题,并根据该因果推理问题确定对应的问题类型、问题前提以及候选项;对问题类型进行识别得到识别结果,并根据该识别结果对问题前提以及候选项进行预处理得到预处理数据;将预处理数据输入预先训练好的常识因果推理模型中,得到因果句子对从而让用户根据该因果句子做出判断,其中,常识因果推理模型不仅兼顾了因果证据的覆盖率与准确率,而且融合了各种稀疏的包含常识因果知识的弱证据聚合模型,具有较好的因果推理效果。
  • 基于态势场的无人车任务分配博弈方法及装置-202210116279.4
  • 韩泽宇;王建强;刘艺璁;许庆 - 清华大学
  • 2022-01-30 - 2023-01-10 - G06N5/04
  • 本申请公开了一种基于态势场的无人车任务分配博弈方法及装置,其中,方法包括:基于当前环境态势,计算安保双方各单位的威胁度和重要程度;根据安保双方各单位的策略集合,分别建立至少一个目标下的双方策略博弈矩阵;以及求解双方策略博弈矩阵,直至满足决策需求,并计算多阶段任务分配的多个策略建议,且获取每个策略建议下的对方可能响应的同时,展示双方策略博弈矩阵的求解结果,确定最佳策略建议。由此,解决了相关技术整体态势分析效果较差,无法针对另一方安保策略做出合理响应,且无法充分体现决策者的作用,任务耗时、资源消耗较多等问题。
  • 面向目标功能实现的系统成功路径规划方法、系统、设备及介质-202211081911.2
  • 杨军;薛友;蒋陈煜;何展宇;马浩铭 - 华南理工大学
  • 2022-09-06 - 2023-01-06 - G06N5/04
  • 本发明公开了一种面向目标功能实现的系统成功路径规划方法、系统、电子设备及存储介质,所述方法包括:根据系统功能目标及当前系统运行状态确定任务目标,根据任务目标和对系统功能目标参数的监测,确定操纵任务响应要求,并沿系统结构流方向生成结构化系统成功路径,结合设备状态与过程参数之间的耦合和作用关系,反向推理实现对设备操控动作的细致规划,进一步形成序列化系统成功路径,通过任务复杂性和可靠性综合评价,最终完成对潜在系统成功路径在人机界面上的优化排序显示,从而辅助并指引操纵员执行有效的应急操作响应。
  • 面向芯粒的神经网络推理开销估计方法及装置、电子设备-202211108864.6
  • 潘秋红;许慧卿;汤昭荣;毛旷;杨佳宁;王颖 - 之江实验室
  • 2022-09-13 - 2023-01-06 - G06N5/04
  • 本发明公开了面向芯粒的神经网络推理开销估计方法及装置、电子设备,其中面向芯粒的神经网络推理开销估计方法包括神经网络参数和芯粒拓扑结构获取、并行组内开销估计、并行组间网络传输开销估计及神经网络推理开销估计四个步骤。使得推理开销估计适用于神经网络在芯粒上并行调度的实际场景,神经网络推理开销估计能够适用于芯粒这样的拓扑结构,充分考虑芯粒上小芯片单元内外的带宽、小芯片单元内路由转发延迟和小芯片单元外路由转发延迟,使得神经网络在芯粒上的推理开销估计达到较高的精度,从而为神经网络在芯粒上加速推理所需的高性能调度策略奠定良好基础。
  • 一种数据分级方法、装置、计算机设备和可读存储介质-202211144678.8
  • 王甬琪 - 大箴(杭州)科技有限公司
  • 2022-09-20 - 2023-01-03 - G06N5/04
  • 本申请涉数据处理技术领域,提供了一种数据分级方法、装置、计算机设备和可读存储介质,该方法包括:获取待分级数据,并计算待分级数据中的单类别数据的推理能力,以及计算待分级数据中的多类别数据的推理能力,其中,多类别数据为单类别数据进行两两组合所得;根据单类别数据的推理能力和多类别数据的推理能力,计算单类别数据之间的耦合增强系数,并利用单类别数据的推理能力和耦合增强系数,构建数据耦合关联网络;基于数据耦合关联网络,计算待分级数据中的目标分级数据的包含耦合能力的数据推理能力评分,并根据数据推理能力评分对目标分级数据进行数据分级。
  • 推理装置、程序和推理方法-202080100701.6
  • 池田久美子;田中宏治;小路悠介;小林克希 - 三菱电机株式会社
  • 2020-05-28 - 2022-12-30 - G06N5/04
  • 具有:知识库部(112),其存储用于进行针对请求的回答的推理的知识库;信息取得部(113),其取得状况信息和响应信息,状况信息是包含来自用户的请求即用户请求的信息,响应信息包含用户针对推理的结果即推理结果的响应;推理部(114),其针对状况信息中包含的用户请求,使用知识库进行推理;信息输出部(115),其输出推理结果;反馈信息提取部(116),其根据响应信息,针对用户请求确定用户期望的结果即期望结果;以及更新部(117),其以使期望结果容易成为推理结果的方式对知识库进行更新。
  • 一种基于知识学习的数学应用题智能解题方法及系统-202210978505.X
  • 陈恩红;黄振亚;刘嘉聿;刘淇;林鑫 - 中国科学技术大学
  • 2022-08-16 - 2022-12-30 - G06N5/04
  • 本发明公开了一种基于知识学习的数学应用题智能解题方法及系统,将数学知识学习过程与应用题求解过程有机耦合,以助于在改善学习得到的知识质量的同时提高问题求解能力。相关方案中:设计了认知框架与知识学习过程,构建了更接近通用型人工智能目标的智能系统,系统可以作为一种通用框架,融合多种机器学习任务,为实现强人工智能提供了一定的基础;并且,建立了引入知识学习的数学应用题求解方法,有助于提高应用题求解的准确性与可解释性。同时,学习到的数学知识具有一定的实际应用价值,可以作为众多机器学习任务的先验信息改善任务表现,也可进一步辅助教育平台搭建知识图谱,并基于此提供更好的个性化教育服务。
  • 神经网络模型推理的加速方法、装置、电子设备和介质-202211133732.9
  • 高钰舒;屈树谦;代稳;孔凯文 - 南京地平线集成电路有限公司
  • 2022-09-16 - 2022-12-27 - G06N5/04
  • 本公开实施例公开了一种神经网络模型推理的加速方法、装置、电子设备和存储介质,其中,方法包括:获取图像训练数据、文本训练数据或语音训练数据;确定待加速的第一神经网络模型;将第一神经网络模型中的预设网络层的预设运算转换为第一运算获得第二神经网络模型,第一运算用于模拟目标运算的运算逻辑;基于图像训练数据、文本训练数据或语音训练数据,对第二神经网络模型按照预设位宽进行量化感知训练,得到量化后的第三神经网络模型;将第三神经网络模型的第一运算转换为目标运算,获得第一神经网络模型对应的加速后的目标神经网络模型。本公开实施例通过在训练过程模拟简化运算带来的误差,实现在降低模型计算量的条件下保证较高的模型精度。
  • 基于智能体动态路径补全策略的知识推理方法及系统-202211168516.8
  • 夏毅;罗军勇;兰明敬;周刚;陈晓慧;卢记仓;刘铄;章梦礼;黄宁博;李顺航;李珠峰 - 中国人民解放军战略支援部队信息工程大学
  • 2022-09-24 - 2022-12-27 - G06N5/04
  • 本发明属于知识图谱技术领域,特别涉及一种基于智能体动态路径补全策略的知识推理方法及系统,通过提取目标知识图谱中的实体及实体间关系,并挖掘目标知识图谱中的规则及规则对应的置信度得分;构建强化学习智能体,根据当前实体状态和历史路径信息通过规则动态引导智能体进行知识图谱路径补全,并依据智能体命中目标实体时的命中奖励和智能体推理路径符合规则时的规则奖励来计算智能体总奖励,通过最大化智能体总奖励的期望值来训练智能体的策略网路;针对给定的待查询目标条件,利用训练后的智能体通过在知识图谱中进行路径推理来获取对应的知识推理结果。本发明通过动态路径补全策略对推理过程中最有可能的路径进行动态补全来得到完整的推理路径,解决稀疏知识图谱缺失路径所带来的推理截断问题。
  • 基于Decision Transformer的序列生成式知识推理方法及系统-202211168517.2
  • 夏毅;罗军勇;兰明敬;周刚;陈晓慧;李志博;卢记仓;刘铄;王世宇;朱秀宝;王凌;李珠峰 - 中国人民解放军战略支援部队信息工程大学
  • 2022-09-24 - 2022-12-27 - G06N5/04
  • 本发明属于知识图谱技术领域,特别涉及一种基于Decision Transformer的序列生成式知识推理方法及系统,提取目标知识图谱中实体及实体间关系,并在目标知识图谱中归纳结构化的规则序列;构建用于知识推理和图谱环境动态交互的Decision Transformer推理模型,其中,Decision Transformer推理模型在与图谱环境进行动态交互时,采用规则引导方式构建推理模型的训练路径样本,并利用该训练路径样本来训练Decision Transformer推理模型,以学习路径中规则学历中共现能力;以提取的实体及实体间关系和规则序列为基础,通过Decision Transformer推理模型进行知识推理,并输出推理结果。本发明通过与图谱环境动态交互的序列生成式推理过程,根据当前的推理状态,利用Decision Transformer架构并行地处理推理序列,生成式地推理下一步动作,实现更加快速的知识推理,提高推理效率、增强推理可解释性。
  • 一种模型数据处理方法、装置、设备及存储介质-202211350499.X
  • 张鸿博;李铭梁 - 上海浦东发展银行股份有限公司
  • 2022-10-31 - 2022-12-23 - G06N5/04
  • 本发明公开了一种模型数据处理方法、装置、设备及存储介质。该方法包括:获取目标模型的模型属性信息和模型关系信息,其中,所述模型关系信息包括:所述目标模型对应的AI推理服务的服务标识信息;根据所述AI推理服务的服务标识信息获取所述AI推理服务的服务信息;将所述目标模型的模型属性信息、模型关系信息以及所述AI推理服务的服务信息存储至数据库,通过本发明的技术方案,能够实现模型信息自动化采集、集中化管理,为模型的持续跟踪与监控提供了基础。
  • 一种针对超大模型的分布式推理部署系统-202211373207.4
  • 李天健;林达华 - 上海人工智能创新中心
  • 2022-11-03 - 2022-12-23 - G06N5/04
  • 本发明涉及一种针对超大模型的分布式推理部署系统,所述系统基于中间表述的通用模型构建计算图,将计算图拆分为计算子图,实现对大多数超大模型支持。通过最快推理速度策略或最大吞吐率策略,实现超大模型需满足的性能需求部署。通过将计算子图与推理引擎执行后端一起打包成Package发送到相应的计算节点,再由运行时模块负责解析运行时Package信息,实现兼容多个推理引擎执行后端。而为了进一步提升通用性,在解析模型时,采用算子等效拆分方式实现算子并行,实现算子并行与后端执行无关,从而实现任务解析与后端执行解耦。在应用分布式推理系统时,通过配置好的动态分组模块,可有效提升推理部署服务的计算资源效率。
  • 一种基于核函数的神经网络模型推理时延预测方法-202211162055.3
  • 胡晗;黄沛杰;郑雨宁;李逸来 - 北京理工大学
  • 2022-09-23 - 2022-12-23 - G06N5/04
  • 本发明公开的一种基于核函数的神经网络模型推理时延预测方法,属于深度学习领域。本发明使用核函数信息来预测推理时延,通过收集神经网络模型推理时被分解出的核函数的各类参数,拟合核函数的参数随图形处理器资源分配量的变化曲线,通过拟合的曲线获取单个模型推理时延预测结果;并为每类神经网络模型构建共存推理时与时延增长程度有关的四维曲面,通过曲面获取其与其他模型共存推理时的时延预测结果。本发明解决多神经网络执行时因模型种类多,组合情况复杂导致的时延难以预测的问题,本发明预测准确率高,更轻量级,能够改善云端服务器的推理时延预测性能。
  • 卷烟制丝设备故障根本原因的因果推理方法及存储介质-202211167849.9
  • 龚良浩;吴悦;徐潇媛;李文亮;季亦帆;赵志新;司小山;林保忠 - 红云红河烟草(集团)有限责任公司
  • 2022-09-23 - 2022-12-23 - G06N5/04
  • 本发明公开卷烟制丝设备故障根本原因的因果推理方法及其存储介质,第一步,进行数据预处理;第二步,基于专家知识预定义DBN模型;第三步,求解最优DBN模型;第四步,估计DBN参数,包括故障节点的先验概率分布和症状节点的条件概率分布;第五步,利用最优的DBN模型进行故障诊断,本发明能够推理出故障发生的根本原因,从而指导技术人员采取相应的处理措施,减少技术人员排查故障所耗费的时间,提高故障处理效率,减少故障停机造成的损失,使用不完全的故障机理结合历史生产数据、维修数据,联合对故障根本原因进行因果推理,解决了人类知识的局限性和数据的不完全性问题。
  • 基于知识图谱推理算法的数据推理方法、装置及存储介质-202211082498.1
  • 舒振峰;刘洋;杨政 - 深圳市指南针医疗科技有限公司
  • 2022-09-06 - 2022-12-23 - G06N5/04
  • 本发明涉及数据处理技术领域,公开了一种基于知识图谱推理算法的数据推理方法、装置及存储介质,所述方法包括:根据当前病历诊断报告得到病历报告书写习惯和诊断特征数据;根据NLP自然语言规则通过目标语言转换策略对诊断特征数据进行规范化处理;根据目标知识图谱通过目标阶数张量分解模型对标准特征数据进行推理;根据病历报告书写习惯通过标准关联数据和标准补充数据对当前病历诊断报告进行完善,并将目标高质量医疗数据进行推送;通过上述方式,根据目标知识图谱通过目标阶数张量分解模型推理出关联数据和标准补充数据,然后基于病历报告书写习惯得到高质量医疗数据,从而能够有效提高医疗数据的质量和准确性,进而提高用户的工作效率。
  • 一种基于图神经网络和强化学习的事实验证方法-202211085132.X
  • 杨鹏;赵广振;查显宇;姚雨;戈妍妍 - 东南大学
  • 2022-09-06 - 2022-12-23 - G06N5/04
  • 本发明公开了一种基于图神经网络和强化学习的事实验证方法,能够验证语料库中陈述语句和表格型数据中的事实是否相符,基于Transformer的图神经网络来模拟多步推理过程,步骤如下:首先,通过图神经网络将不同类型的边编码为独立的向量,并利用自注意力机制对提取的多粒度特征进行邻居信息聚合,然后,设计一个监控节点,根据强化学习的奖励反馈,在每个图神经网络层上选择合适的证据词,通过对多个图神经网络层的信息聚合,监控节点可捕获各种潜在的关键证据,进行最终验证。最后,为了更加有效地学习聚集的证据信息,本发明利用Transformer设计了能够更加充分利用表格中证据信息的多步推理框架,提高事实验证模型的准确性。
  • 故障预测设备和故障预测方法-202210704228.3
  • 庄俊之 - 瑞萨电子株式会社
  • 2022-06-21 - 2022-12-23 - G06N5/04
  • 本发明提供了一种能够预测准确劣化状态的故障预测设备和故障预测方法。一种故障预测设备,用于预测其劣化状态随时间的经过而转变的目标设备的故障,包括分别与所述目标设备的劣化状态相对应的自动编码器AED1至AED4。与第一劣化状态相对应的自动编码器AED2基于状态信号来确定所述目标设备是否存在于所述第一劣化状态,所述状态信号指示所述目标设备的状态。在确定所述目标设备未存在于所述第一劣化状态的情况下,与第二劣化状态相对应的所述自动编码器AED3基于所述状态信号来确定所述目标设备是否存在于所述第二劣化状态。
  • 离线模型推理的方法、装置、计算机设备和存储介质-202110629502.0
  • 不公告发明人 - 上海寒武纪信息科技有限公司
  • 2021-06-07 - 2022-12-23 - G06N5/04
  • 本申请涉及一种离线模型推理的方法、装置、计算机设备和存储介质。所述方法通过获取多个离线模型的待处理数据,在多个第一流水线上分别对多个离线模型的待处理数据进行第一并行处理,并将各第一流水线输出的处理结果存储至第一缓存队列,在多个第二流水线上分别从第一缓存队列中读取各第一流水线输出的处理结果进行第二并行处理,以完成多个离线模型的推理。上述离线模型推理的方法在离线模型推理应用场景中实现了一种多个流水线并行化及流水化运行的推理计算方法,相比于单一流水线执行推理计算的方法,极大的提高了模型推理的速度和效率。
  • 解释指导的知识蒸馏方法、装置、电子设备及存储介质-202211058977.X
  • 刘康;张元哲;赵军;杨朝 - 中国科学院自动化研究所
  • 2022-08-30 - 2022-12-16 - G06N5/04
  • 本发明提供一种解释指导的知识蒸馏方法、装置、电子设备及存储介质,该方法包括:基于预先设置的解释模式,生成用于表征教师模型的推理方式的第一解释结果;基于所述解释模式,生成用于表征学生模型的推理方式的第二解释结果;基于所述第一解释结果和所述第二解释结果,获取所述学生模型的训练损失函数;基于所述训练损失函数训练所述学生模型,以将所述教师模型中的知识蒸馏到所述学生模型中。本发明实施例在生成学生模型的训练损失函数时,考虑了教师模型与学生模型的推理方式,即使教师模型与学生模型的架构不同,考虑教师模型与学生模型的推理方式也能更好地将教师模型的知识蒸馏到学生模型中,可以有效提高学生模型的性能。
  • 一种基于预测稀疏性实现CNN推理无损加速方法及系统-202210901773.1
  • 李元春;刘云新 - 清华大学
  • 2022-07-28 - 2022-12-16 - G06N5/04
  • 本发明提供一种基于预测稀疏性实现CNN推理无损加速方法及系统,包括:获取输入向量和卷积核权重向量,确定输入向量的参考向量;根据所述输入向量、参考向量及卷积核权重向量进行卷积上界估计,获取卷积运算输出的上界;根据所述上界的大小确定是否进行卷积运算。本发明解决了现有CNN卷积神经网络在进行视频图像计算时运算量大、速度慢的缺陷,以实现计算过程的加速。
  • 一种基于嵌入的不一致容忍本体推理方法-202211175184.6
  • 汪可予;李思特;李嘉烨;漆桂林;季秋 - 东南大学
  • 2022-09-26 - 2022-12-16 - G06N5/04
  • 本发明公开了一种基于嵌入不一致容忍本体推理方法,该方法用于不一致本体推理相关任务并增强在不一致本体上的查询能力。首先,将本体中的公理转化成自然语言形式的句子。随后利用嵌入技术,将自然语言形式的公理句子映射成高维空间的语义向量,利用语义向量计算公理之间的语义联系。最后,通过语义向量之间的语义联系定义不一致容忍的推理关系。使用该推理关系,可以在不一致本体上推理出一致的结果。该推理关系拓展经典逻辑到了描述逻辑领域,具备良好的逻辑性质,同时充分考虑到本体中公理的语义,具备更强的不一致容忍推理能力。
  • 一种土体区域性冻胀量推演方法-202111428742.0
  • 张晨;刘桂卫;崔庆国 - 中国铁路设计集团有限公司
  • 2021-11-29 - 2022-12-16 - G06N5/04
  • 本发明公开了一种土体区域性冻胀量推演方法,由于土体冻胀过程的复杂性、人类认知程度的局限性,导致土体冻胀的分析方法尚不完善。现有的土体冻胀分析计算多以大范围埋设水位计、地温计、冻胀计、人工水准测量等方式为主,耗费大量人力、物力和财力,且受环境、人为因素干扰较大。本发明提出了一种根据地质钻孔信息推演冻胀量的方法,包括以下步骤:S1、划分冻胀研究区域;S2、获取局部冻胀数据;S3、建立小区域冻胀量计算模型;S4、建立大区域冻胀计算系统;该方法可根据局部钻孔土样的室内试验结果及点状监测数据,结合逻辑算法,自动计算出冻胀量,大幅节省预测成本,提高预测效率,满足大体量区域冻胀量计算评估的需求。
  • 一种基于语义的智能推理方法及系统-202210942562.2
  • 宗天禹;陈曙东;马荣 - 中国科学院微电子研究所;上海翔盛悦信息技术有限公司
  • 2022-08-08 - 2022-12-13 - G06N5/04
  • 本发明公开了一种基于语义的智能推理方法及系统,所述方法包括:采集自然类语料和金融类语料;将所述自然类语料和所述金融类语料一并送入初始Bert预训练模型,得到自然类语义编码向量和金融类语义编码向量;遍历计算所述自然类语义编码向量和所述金融类语义编码向量的语义相似度,并将高于相似度阈值的自然类语料迁移至所述金融类语料,形成迁移后的训练数据集;将迁移后的训练数据集输入所述初始Bert预训练模型,并施加前馈神经网络进行有监督学习,得到目标Bert预训练模型;其中,所述目标Bert预训练模型用于对待推理金融类语料进行语义推理。
  • 模型安全推理方法、电子设备、介质及程序产品-202211282074.X
  • 古瀚林;范力欣;杨强 - 深圳前海微众银行股份有限公司
  • 2022-10-19 - 2022-12-13 - G06N5/04
  • 本申请公开了一种模型安全推理方法、电子设备、介质及程序产品,应用于客户端,包括:获取待推理样本,根据隐私保护模块,对所述待推理样本进行基于周期性地样本变换,得到周期性变换推理样本;将所述周期性变换推理样本上传至服务端,以供所述服务端基于推理模型,对所述周期性变换推理样本进行模型推理,得到模型推理结果;接收所述服务端下发的模型推理结果。本申请解决了两方模型安全推理效率低的技术问题。
  • 基于虚拟机的张量数据计算推理方法、装置及存储介质-202210999125.4
  • 姜汉;王臣汉;潘相瑜;吕天蕾;王岩鑫 - 贝式计算(天津)信息技术有限公司
  • 2022-08-19 - 2022-12-13 - G06N5/04
  • 本发明涉及深度学习技术领域,公开了一种基于虚拟机的张量数据计算推理方法、装置及存储介质,所述方法包括:获取指定输入模型文件,根据所述指定输入模型文件得到目标统一格式中间表示元;根据所述目标统一格式中间表示元和中间层优化策略生成目标自解码;根据所述目标自解码和加速设备操作信息构建目标设备可执行文件;根据所述目标设备可执行文件和模型类型对目标张量数据进行推理;通过上述方式,基于前端接入层进行格式统一,然后基于中间转换层和中间层优化策略进行数据优化,再基于终端执行层构建的目标设备可执行文件和模型类型进行计算推理,从而能够适应各种框架和平台的计算推理,且简化开发者进行模型推理的开发工作量。
  • 一种基于多跳推理的检索方法及装置-202111150192.0
  • 赵天成 - 宏龙科技(杭州)有限公司;杭州联汇科技股份有限公司
  • 2021-09-29 - 2022-12-13 - G06N5/04
  • 本发明公开了一种基于多跳推理的检索方法及装置,方法包括:S1、给定一个问题作为初始的当前推理路径;S2、使用检索器从当前推理路径中生成搜索查询;S3、读取器逐次将不在推理路径中的一个段落附加到当前推理路径中得到临时推理路径,然后在临时推理路径中寻找问题的答案;S4、如果找到至少一个答案,跳转到S6,否则跳转到S5;S5、重排序器对段落评分,并将排名最高的段落附加到当前推理路径,如果当前推理路径的总段落数未达到阈值则跳转到S2;S6、以最高的可回答性得分预测答案。本方案可以在不依赖人工标注推理路径的场景下,利用深度强化学习,针对任意文本知识库自动寻找最佳的推理路线。
  • 基于分层强化学习的因果发现方法、装置、介质及设备-202211074758.0
  • 姜京池;沈汝佳;关毅;刘劼 - 哈尔滨工业大学
  • 2022-09-02 - 2022-12-09 - G06N5/04
  • 本发明提供了一种基于分层强化学习的因果发现方法、装置、介质及设备,所述方法包括:基于强化学习方法,构建高层和低层策略网络;按照预设步长运行高层策略网络,对变量进行处理,生成无向图,并获取外部奖励;根据当前无向图以及无向图的历史记录,获取好奇心奖励;根据好奇心奖励和外部奖励,获取增强奖励;通过低层策略网络确定高层策略网络生成的无向图的因果方向,生成有向无环图,并获取内部奖励;根据内部奖励和增强奖励,训练低层策略网络和高层策略网络。本发明提供的基于分层强化学习的因果发现方法能够在条件独立性解空间中搜索到最优的有向无环图,避免由于分解因果发现的两个子任务而导致的错误积累,且避免重复探索相同的状态。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top