哈尔滨龙明科技有限公司专利技术

哈尔滨龙明科技有限公司共有14项专利

  • 一种基于多任务学习的知识图谱链接预测方法、计算机设备及存储介质,涉及知识图谱补全领域。解决现有InteractE模型存在的平移特性被破坏的问题。本发明提供以下方案,对知识图谱数据集进行预处理生成逆关系三元组,将得到的逆关系三元组的知识图...
  • 一种外部信息辅助的中文知识抽取方法、系统、存储介质及计算机,涉及信息抽取领域。解决现有中文中的实体识别任务困难,需要处理更多的歧义性和上下文依赖性的问题。所述方法包括:获取中文嵌套命名实体识别数据集,将所述数据集进行预处理,并划分为训练...
  • 一种基于先验知识的数据增值链接预测方法、装置、计算机设备及介质,属于知识图谱链接预测技术领域,解决了现有知识图谱中存在的内容缺失问题。本发明首先通过利用三元组中的实体和关系的类型信息,进行基于类型层次的初始权重设置。然后,根据类型的权重...
  • 本发明是一种面向拜占庭不可信多方协同差分隐私数据的频繁项集挖掘方法。本发明涉及信息安全与隐私数据挖掘技术领域,本发明针对涉及分布式场景下频繁项集挖掘任务中,拜占庭攻击者利用数据中毒攻击所实施的放大性增益攻击,本发明设计了一套安全的数据挖...
  • 本申请公开了一种基于图注意力网络和时间卷积网络的多模态异常检测方法,属于多模态数据异常检测技术领域,包括:基于若干传感器获取多模态数据集,对多模态数据集进行预处理,并将预处理后的多模态数据集划分为训练集和测试集;基于图注意力网络和多头注...
  • 本发明提出了一种基于关系路径推理的全局数据空间链接预测方法及系统,利用全局数据空间技术对庞大的知识图谱数据进行获取和后续处理;利用知识图谱中大量存在的三角结构来挖掘关系路径,三角结构不仅能够得到路径推理的置信度,同时抽取的路径长度为2,...
  • 本发明提出了一种满足本地差分隐私的基于方向感知的轨迹数据采集方法及系统,首先通过基于锚的空间约束方法,对用户的轨迹区域进行自适应的限制,从而在不违反隐私约束的情况下显著提高性能;其次利用隐私预算将轨迹中每个点的相邻方向信息离散化用于该点...
  • 本发明公开了一种基于降噪与提示调节的多行为推荐方法及系统,属于多行为推荐技术领域,其中,该方法:获取用户与项目的多行为交互数据以构建数据集,并对其进行预处理划分为训练集和测试集;构建基于降噪与提示调节的多行为推荐框架,并利用训练集对基于...
  • 基于跨度对比学习的跨域命名实体识别方法、设备、存储介质和产品,属于命名实体识别技术领域,解决领域偏移及跨度边界信息学习性能低的问题。本发明的方法包括:使用预训练语言模型、对抗训练、对比学习、KL散度等技术构建基于跨度对比学习的跨域命名实...
  • 本发明公开了一种基于自编码器和数据增强的高维稀疏数据离群点检测方法及系统,属于数据挖掘技术领域,其中,该方法包括:获取异常检测样本数据集作为试验数据集,并对其进行预处理,得到训练集和测试集;构建数据增强模型,以对训练集进行上下采集处理,...
  • 基于对抗训练和频域改良自注意力机制的多维时序数据异常检测方法,解决模型的鲁棒性较差,容易收到外部干扰,从而导致检测结果的准确率下降;以及时序数据的频域特征没有被充分考虑,从而导致模型精度受限,分析结构不精准的问题。所述方法整体分为两个阶...
  • 本发明公开了一种基于个性化采样随机响应图结构扰动算法的满足本地差分隐私的链接预测模型的构建方法、设备及介质,属于数据安全领域,解决了直接使用随机响应机制的图结构边密度膨胀,无法保留图上重要的社区特征,以及模型学习过程中的隐私泄露问题。该...
  • 本发明公开了一种基于对比学习的解耦合负采样方法及其系统。与传统的负采样方法将物品视为一个整体的策略不同,本发明指出了用户的交互仅由物品的某些相关因素驱动,而并不是物品整体。本发明利用了门控网络解耦合物品的相关因素和非相关因素,综合考虑了...
  • 本发明公开了一种基于超关系的全局数据空间链接预测方法及系统,属于知识图谱补全技术领域,其中,该方法包括:获取超关系数据集,提取超关系数据集中主三元组和附加超关系事实数据,并将超关系数据集进行预处理,以划分为训练集和测试集;构建基于超关系...
1