找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。
找到8项技术成果数据。
找技术>-
一种基于路径张量分解的知识图谱表示学习方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
一种商品知识图谱的构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。 主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。 客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。 本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
一种向量约束嵌入转换的知识图谱推理方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
一种基于知识图谱的中文医药问答系统及方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
一种基于知识图谱的中文医药问答系统,包括知识图谱构建模块、问题分类模块、数据库查询模块、答案整合模块和结果展示模块。一种基于知识图谱的中文医药问答方法,包括以下步骤：S1.获取用户的查询文本；S2.对用户的问句进行解析,获取主语实体、问题类别和问题类型；S3.根据解析结果以及预先构建的中文医药知识图谱进行相关查询,获取查询结果；S4.对医药查询结果进行整理,形成符合自然语言的对话答案以及可视化数据；S5.对文本答案以及可视化数据进行展示。本发明提高了问题类型划分的准确率以及答案精度,满足了用户医药咨询、食品指南、疾病辅助诊疗的需求,为用户提供了更加便捷高效的服务。
-
基于细粒度组织的科技创新知识洞察平台
成熟度：正在研发
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
本项目提供一种基于细粒度组织的科技创新知识洞察平台技术。 包括识别创新链条上的机构、人才、企业、成果等资源，细粒度组织成果资源,形成创新链知识元，围绕创新链形成机构、人才、企业、 成果的知识图谱。洞察技术的发展趋势，分析各科研机构、科研人才 对创新链的贡献度；洞察各企业的产品和技术分布情况，分析科研机 构的成果对企业产品生产的贡献度以及需要解决的问题。 图 2 本项目应用场景关键技术该项目使用基于语义的知识组织方法以及知识图谱技术，实现创 新知识图谱构建、创新趋势洞察、创新能力评估等功能，解决两链融 合中的关键问题。 图 3 本项目总体平台架构1 、构建创新知识图谱，精准识别创新资源。围绕创新链获取机 构、人才等创新主体，以及科技论文、科技专利等科技成果，对这些 创新资源进行细粒度、多维度组织，在支持对创新资源全盘掌握基础 上，支持多主体对创新知识的需求，精准获取所需知识的来源、内容、 使用场景、优缺点等知识全貌。2 、洞察创新趋势，识别先进技术布局产业。以细粒度组织的科 技论文、科技专利为基础，识别技术发展趋势。从企业地域布局，分 析各区域的产业发展能力，从而结合现有的产业布局和企业技术需求， 为企业精准推荐科技成果，为政府产业布局提供支撑。3 、开展创新能力评估，识别机构和人才对技术发展的支撑。实 现科研机构贡献度分析、科研人才贡献分析，从科研机构、科研人才， 以及企业两个视角分析机构人才对产业发展的支撑性。实现创新与产 业合作度分析，从专利、论文、项目、成果奖励合作，以及新闻中提 及的报道等方面，分析两者的合作度。为政府制定资助计划提供决策 支撑。
-
一种基于知识图谱的程序自动修正方法
成熟度：通过小试
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于知识图谱的程序自动修正方法,包括包括以下步骤：S1.获取网络上开放的源代码,通过代码知识图谱构建程序对获取的源代码进行分析,生成代码知识图谱；S2.编写允许出现缺失或者错误的骨架程序；S3.通过代码补全程序对骨架程序进行分析,利用代码知识图谱对骨架程序进行修正和补充,得到正常执行的完整程序。本发明可以对有问题的骨架程序自动修整得到完整的程序,具有简化程序编写、提高程序编写效率、减少人工劳动量的特点。
-
一种基于文件知识图谱的开源软件社区专家推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于文件知识图谱的开源软件社区专家推荐方法，包括以下步骤1)针对开源软件社区中的某个项目，根据文件路径计算两两文件路径之间的相似度，构建项目文件关系网络；2)对项目文件关系网络，使用node2vec算法，提取网络中各个文件的知识图谱特征；3)将开发者本人的历史编辑文件特征，与其联系过的专家的历史编辑文件特征整合为该开发者的已知开发行为特征；4)根据开发者的历史已知特征，训练随机森林模型，用于推荐其开发过程中需要联系的专家。本发明将每个项目文件转化为各个知识图谱，通过开源软件社区开发者当前涉及到的这些文件的图谱信息，预测并推荐相应的专家。
-
基于深度神经网络的文本实体关系抽取技术
成熟度：通过小试
技术类型：-
应用行业：信息传输、软件和信息技术服务业
技术简介
该技术为一种基于深度神经网络的文本实体关系抽取方法,包括：将 句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量 和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接 分类层,即得到抽取结果。该技术利用了机器学习中的普通神经网络与卷 积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和 性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提 高了神经网络的收敛速度和准确率；引入句子特征与类别特征,使用卷积 神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系 抽取的性能。该技术可以解决自然语言文本实体关系抽取问题，对于构建知识图 谱，促进当前智能问答领域发展具有重要作用。