JP7468929B2 - 地理知識取得方法 - Google Patents
地理知識取得方法 Download PDFInfo
- Publication number
- JP7468929B2 JP7468929B2 JP2022505247A JP2022505247A JP7468929B2 JP 7468929 B2 JP7468929 B2 JP 7468929B2 JP 2022505247 A JP2022505247 A JP 2022505247A JP 2022505247 A JP2022505247 A JP 2022505247A JP 7468929 B2 JP7468929 B2 JP 7468929B2
- Authority
- JP
- Japan
- Prior art keywords
- geographic
- information
- knowledge
- map
- extracting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 42
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 235000019580 granularity Nutrition 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000002585 base Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012458 free base Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/027—Frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
地理知識の由来を分析し、得られた前記地理知識の由来を自然言語と図形言語との二つの類別に分ける第一ステップと、
取得された前記地理知識について特徴を分析して概念をモデリングする第二ステップと、
地理実体の識別、特徴情報の抽出及び前記地理実体と前記特徴情報との関連付けを少なくとも含む、取得された前記地理知識について地理情報を抽出する第三ステップと、
地理知識グラフを生成する第四ステップを含む。
地図情報アノテーションサンプルデータベースを構築するステップS1と、
前記地図における情報を自動識別するステップS2と、
地図符号と文書注記参照情報に基づいて、ディープ畳み込みニューラルネットワークモデルを構築して、地理実体の識別、及び、特徴情報と相関関係の抽出を実現する、ステップS3を含む。
1)、地理知識の粒度と階級が一致でないという問題を解決するように、統一の概念類別体系に従って、前記文書と前記地図に表現される地理知識について概念をマッピングすること、
2)、文書と地図における地理実体の指す多義と類義の問題を解決するように、地理実体類型、文書類似度及び属性特徴に基づいて、各概念等級の地理実体リンクを作成すること、
3)、地理実体を手段として、衝突検測及び/又は真値発見技術を用いて、前記文書と前記地図における前記地理実体の関連特徴情報を処理し、この処理に、重複排除、関連付け及び合弁のうちのいずれかの一つが少なくとも含まれること、
4)、地理実体関係の拘束規則集合を構築し、前記文書及び前記地図における地理概念、インスタンス及び特徴の関連関係を再構成する、ことを含む。
II、時空特徴による拘束で、各グループにある前記知識サブグラフについてノードをリンクすること、
III、モデル反復と規範化処理を介して、単一の地理実体における異なる状態と関係を判断してから、時間変化と空間変化の順番に従って、地理実体の状態の転換過程を出力すること、
IV、異なる地理実体間及び異なる地理特徴間の相関関係を判断し、異なる粒度と異なる等級による地理知識グラフを生成する、を含む。
1、地理知識グラフは、言語学、人工知能及び地理情報科学などの境界領域に研究されている課題が焦点化している。本発明では、関連する学科分野における先駆的研究成果を組み合わせることにより、地理知識グラフの分野における基礎的な理論問題を解決して、共通性を有する基盤技術を提示することができ、地理表示モデル、ディープラーニングに基づく地理知識の取得及び地理知識グラフ生成方法を提示することができる。
地理知識の由来を分析し、得られた地理知識の由来を自然言語と図形言語との二つの類別に分ける、第一ステップと、
取得された地理知識について特徴を分析して概念をモデリングする第二ステップと、
地理実体の識別、特徴情報の抽出及び地理実体と特徴情報との関連付けを少なくとも含む、取得された地理知識について地理情報を抽出する第三ステップと、
地理知識グラフを生成する第四ステップを含む。
また、明示的な時間情報とは、例えば2018年等、比較的明確な概念を有している通用時間の表現であり、潜在的な時間とは、例えば、「地震があった場合」など、セマンティックに隠されている情報であって、固定の語彙規則を有さないものである。明示的な時間情報の文書に特徴が比較的明らかであり、専用時間の名詞の数が多くなく、規則モデル、最大エントロピーによる類別器、条件付き確率場、パターンマッチングなどのいずれかを用いると、明示的な時間情報を抽出することができる。潜在的な時間情報を抽出することは、まず、浅いセマンティックの構成から、時間語彙を抽出する文法の規則を規定し、次に、機械学習モデルに、長い距離かつコンテキストの依頼となる情報を表現する特徴を追加するという二つの段階に分けられてもよい。
地図情報アノテーションサンプルデータベースを構築するステップS1と、
地図における情報を自動識別するステップS2と、
地図符号と文書注記参照情報に基づいて、ディープ畳み込みニューラルネットワークモデルを構築し、地理実体の識別、特徴情報及び相関関係の抽出を実現するステップS3を含む。
1)、地理知識の粒度と階級が一致でないという問題を解決するように、統一の概念類別体系に従って、文書と地図に表現される地理知識について概念をマッピングすること、
2)、文書と地図における地理実体の指す多義と類義の問題を解決するように、地理実体類型、文書類似度及び属性特徴に基づいて、各概念等級の地理実体リンクを作成すること、
3)、地理実体を手段として、衝突検測及び/又は真値発見技術を用いて、文書と地図における地理実体の関連特徴情報を処理し、この処理に少なくとも重複排除、関連付け及び合弁のうちのいずれかの一つが少なくとも含まれること、
4)、地理実体関係の拘束規則集合を構築し、文書及び地図における地理概念、インスタンス及び特徴の関連関係を再構成する、ことを含む。
I、文書及び地図から取得された地理知識スニペットについて、地理知識表示モデルにおける知識手段構成及びその関係を参照しながら、地理知識サブグラフを構築すること、
II、時空特徴拘束で、各グループ知識サブグラフについてノードをリンクすること、
III、モデル反復と規範化処理を介して、単一の地理実体の異なる状態と関係を判断してから、時間変化と空間変化の順番に従って、地理実体の状態転換過程を出力すること、
IV、異なる地理実体間及び異なる地理特徴間の相関関係を判断し、異なる粒度と異なる等級による地理知識グラフを生成することを含む。
<文書の雛型>
台風は、赤道北や国際日付変更線西に位置するアジア太平洋の国家や地域が熱帯低気圧について定めるレベルである。2018年9月7日20時、台風マンクット(Mangkhut)は、西北太平洋上に生成した。9月15日、台風マンクットは、フィリピンの北部に上陸した。15日18時、広東省洪水旱魃総指揮部は、台風への備えと応急応答についてIIレベルをIレベルに引き上げることにした。16日17時、広東台山海宴鎮に上陸した。上陸時、中心付近における最大の強さが14階級であり、中心の最低気圧が955ヘクトパスカルでした。2018年9月18日17時まで、台風マンクットは、広東、広西、海南、湖南、貴州の5省(地域)において、ほぼ300万人災害を受け、5人死亡、1人行方不明、160.1万人が、緊急避難のため移転と安置がされたということになった。応急応答の管理機構の担当者によると、台風マンクットにより、さらに、5省(地域)の1200余り棟の家が倒壊、800余り棟の家が厳重に破壊され、約3500棟の家が軽く破壊され、農作物の被災面積が174.4千ヘクタールとなり、ただし、無収穫となった面積が3.3千ヘクタールとなり、直接的な経済損失が52憶元となった。(注、緑色は時間情報、黄色は空間情報を示す。)
図4は、東莞市の気象台が公表した「マンクット」の台風の路径の詳しい地図である。
Claims (3)
- 地理知識の由来を分析し、地理知識グラフを生成する地理知識取得方法であって、
取得された地理知識の由来を自然言語と図形言語との二つの類別に分ける第一ステップ、
取得された前記地理知識について特徴を分析して概念をモデリングする第二ステップと、
少なくとも、地理実体の識別、特徴情報の抽出及び前記地理実体と前記特徴情報との関連付けを含む、取得された前記地理知識について地理情報を抽出する第三ステップと、
地理知識グラフを生成する第四ステップと、を含み、
前記第一ステップにおける前記自然言語は、少なくとも文書を含み、前記文書における前記地理知識の取得には、少なくとも、時間情報の抽出、前記地理実体の識別、属性情報の抽出、地理実体関係の抽出、事件情報の抽出が含まれ、
前記第一ステップにおける前記図形言語には少なくとも地図が含まれており、畳み込みニューラルネットワークを用いて前記地図における情報を抽出し、
前記畳み込みニューラルネットワークを用いて前記地図における前記情報を抽出することは、
地図情報アノテーションサンプルデータベースを構築するステップS1と、
前記地図における前記情報を自動識別するステップS2と、
地図符号と文書注記参照情報に基づいて、ディープ畳み込みニューラルネットワークモデルを構築し、前記地理実体の識別、前記特徴情報及び相関関係の抽出を実現する、ステップS3を含み、
前記ステップS1では、前記地図における前記地理情報のアノテーション内容とアノテーション規範を規定し、異なる類型、異なる内容及び異なる編成形式を有する地図雛型を選択し、前記地図情報アノテーションサンプルデータベースを構築する、ことを特徴とする地理知識取得方法。 - 前記ステップS2では、地図学理論に基づいて、前記地図における補助要素、追加説明、図形・画像要素の規則モデル、設計アルゴリズムを作成し、前記地図における情報の自動識別を実現する、ことを特徴とする請求項1に記載の地理知識取得方法。
- 文書及前記地図における前記情報を統合することは、
統一の概念類別体系に従って、前記文書と前記地図に表現される前記地理知識について概念をマッピングすること、
地理実体類型、文書類似度及び属性特徴に基づいて、各概念等級の地理実体リンクを作成すること、
前記地理実体を手段として、衝突検測及び/又は真値発見技術を用いて、前記文書と前記地図における前記地理実体の関連特徴情報を処理し、この処理に少なくとも重複排除、関連付け及び合弁のうちのいずれかの一つが少なくとも含まれること、
地理実体関係の拘束規則集合を構築し、前記文書及び前記地図における地理概念、インスタンス及び特徴の関連関係を再構成する、ことを含む、ことを特徴とする請求項1に記載の地理知識取得方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189625.9A CN112256888A (zh) | 2020-10-30 | 2020-10-30 | 地理知识获取方法 |
CN202011189625.9 | 2020-10-30 | ||
PCT/CN2021/072793 WO2022088526A1 (zh) | 2020-10-30 | 2021-01-20 | 地理知识获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023502827A JP2023502827A (ja) | 2023-01-26 |
JP7468929B2 true JP7468929B2 (ja) | 2024-04-16 |
Family
ID=74269085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022505247A Active JP7468929B2 (ja) | 2020-10-30 | 2021-01-20 | 地理知識取得方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7468929B2 (ja) |
CN (1) | CN112256888A (ja) |
WO (1) | WO2022088526A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065000B (zh) * | 2021-03-29 | 2021-10-22 | 泰瑞数创科技(北京)有限公司 | 一种基于地理实体的多源异构数据融合方法 |
CN113139065B (zh) * | 2021-04-25 | 2022-07-22 | 杭州电子科技大学 | 一种融合地理知识的混合知识图谱构建方法 |
CN112988946B (zh) * | 2021-05-07 | 2021-08-31 | 泰瑞数创科技(北京)有限公司 | 一种地理实体数据库用户定制化方法 |
CN113505234B (zh) * | 2021-06-07 | 2023-11-21 | 中国科学院地理科学与资源研究所 | 一种生态文明地理知识图谱的构建方法 |
CN113297395B (zh) * | 2021-07-08 | 2021-09-24 | 中国人民解放军国防科技大学 | 时空多模态混合数据处理方法、关联方法与索引方法 |
CN113486136B (zh) * | 2021-08-04 | 2022-06-17 | 泰瑞数创科技(北京)有限公司 | 一种地理实体服务按需组装的方法及系统 |
CN114138923B (zh) * | 2021-12-03 | 2024-06-07 | 吉林大学 | 一种构建地质图知识图谱的方法 |
CN114153928A (zh) * | 2021-12-03 | 2022-03-08 | 中国电信股份有限公司 | 城市地理语义知识网络的构建方法、系统、设备及介质 |
CN114564966A (zh) * | 2022-03-04 | 2022-05-31 | 中国科学院地理科学与资源研究所 | 一种基于知识图谱的空间关系语义分析的方法 |
CN115269751B (zh) * | 2022-05-10 | 2023-05-30 | 泰瑞数创科技(北京)股份有限公司 | 地理实体时空知识图谱本体库构建方法 |
CN114707004B (zh) * | 2022-05-24 | 2022-08-16 | 国网浙江省电力有限公司信息通信分公司 | 基于图像模型和语言模型的事理关系抽取处理方法及系统 |
CN115048478B (zh) * | 2022-08-12 | 2022-10-21 | 深圳市其域创新科技有限公司 | 智能设备地理信息图谱的构建方法、设备和系统 |
CN116167440B (zh) * | 2023-04-26 | 2023-09-05 | 北京大学 | 基于网格时空知识图谱的时空知识规则判定方法及相关设备 |
CN116450765B (zh) * | 2023-06-16 | 2023-08-25 | 山东省国土测绘院 | 一种多形态地理实体编码一致性处理方法及系统 |
CN117332091B (zh) * | 2023-08-29 | 2024-03-29 | 泰瑞数创科技(北京)股份有限公司 | 一种基于语义关系的地理实体时空知识图谱构建方法 |
CN117852637B (zh) * | 2024-03-07 | 2024-05-24 | 南京师范大学 | 一种基于定义的学科概念知识体系自动构建方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007141243A (ja) | 2005-11-15 | 2007-06-07 | Nec (China) Co Ltd | 交通情報収集・検索システム、交通情報収集・検索方法、交通情報収集装置、交通情報収集方法 |
JP2012252391A (ja) | 2011-05-31 | 2012-12-20 | Fujitsu Ltd | 情報処理装置、情報処理方法、及びプログラム |
US20190155961A1 (en) | 2017-11-17 | 2019-05-23 | Microsoft Technology Licensing, Llc | Resource-Efficient Generation of a Knowledge Graph |
US20200057946A1 (en) | 2018-08-16 | 2020-02-20 | Oracle International Corporation | Techniques for building a knowledge graph in limited knowledge domains |
CN111488467A (zh) | 2020-04-30 | 2020-08-04 | 北京建筑大学 | 地理知识图谱的构建方法、装置、存储介质及计算机设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9348815B1 (en) * | 2013-06-28 | 2016-05-24 | Digital Reasoning Systems, Inc. | Systems and methods for construction, maintenance, and improvement of knowledge representations |
US10496678B1 (en) * | 2016-05-12 | 2019-12-03 | Federal Home Loan Mortgage Corporation (Freddie Mac) | Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis |
CN106547880B (zh) * | 2016-10-26 | 2020-05-12 | 重庆邮电大学 | 一种融合地理区域知识的多维度地理场景识别方法 |
CN107133220B (zh) * | 2017-06-07 | 2020-11-24 | 东南大学 | 一种地理学科领域命名实体识别方法 |
CN110472066B (zh) * | 2019-08-07 | 2022-03-25 | 北京大学 | 一种城市地理语义知识图谱的构建方法 |
CN111428048A (zh) * | 2020-03-20 | 2020-07-17 | 厦门渊亭信息科技有限公司 | 一种基于人工智能的跨领域知识图谱构建方法及装置 |
-
2020
- 2020-10-30 CN CN202011189625.9A patent/CN112256888A/zh active Pending
-
2021
- 2021-01-20 WO PCT/CN2021/072793 patent/WO2022088526A1/zh active Application Filing
- 2021-01-20 JP JP2022505247A patent/JP7468929B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007141243A (ja) | 2005-11-15 | 2007-06-07 | Nec (China) Co Ltd | 交通情報収集・検索システム、交通情報収集・検索方法、交通情報収集装置、交通情報収集方法 |
JP2012252391A (ja) | 2011-05-31 | 2012-12-20 | Fujitsu Ltd | 情報処理装置、情報処理方法、及びプログラム |
US20190155961A1 (en) | 2017-11-17 | 2019-05-23 | Microsoft Technology Licensing, Llc | Resource-Efficient Generation of a Knowledge Graph |
US20200057946A1 (en) | 2018-08-16 | 2020-02-20 | Oracle International Corporation | Techniques for building a knowledge graph in limited knowledge domains |
CN111488467A (zh) | 2020-04-30 | 2020-08-04 | 北京建筑大学 | 地理知识图谱的构建方法、装置、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112256888A (zh) | 2021-01-22 |
WO2022088526A1 (zh) | 2022-05-05 |
JP2023502827A (ja) | 2023-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7468929B2 (ja) | 地理知識取得方法 | |
CN112200317B (zh) | 多模态知识图谱构建方法 | |
CN112199511B (zh) | 跨语言多来源垂直领域知识图谱构建方法 | |
CN108563653B (zh) | 一种用于知识图谱中知识获取模型的构建方法及系统 | |
CN114064918B (zh) | 一种多模态事件知识图谱构建方法 | |
CN110232186A (zh) | 融合实体描述、层次化类型和文本关系信息的知识图谱表示学习方法 | |
US20220215175A1 (en) | Place recognition method based on knowledge graph inference | |
CN109558492A (zh) | 一种适于事件归因的上市公司知识图谱构建方法及装置 | |
Chen et al. | Zero-shot text classification via knowledge graph embedding for social media data | |
CN113779220B (zh) | 一种基于三通道认知图谱和图注意力网络的蒙语多跳问答方法 | |
CN114996488A (zh) | 一种天网大数据决策级融合方法 | |
Shi et al. | Heterogeneous graph representation learning and applications | |
CN117236676A (zh) | 一种基于多模态事件抽取的rpa流程挖掘方法和装置 | |
Huang et al. | Intangible cultural heritage management using machine learning model: a case study of Northwest Folk Song Huaer | |
Liu et al. | Cross-media intelligent perception and retrieval analysis application technology based on deep learning education | |
Wang et al. | Understanding the spatial dimension of natural language by measuring the spatial semantic similarity of words through a scalable geospatial context window | |
Zhu et al. | Construction of transformer substation fault knowledge graph based on a depth learning algorithm | |
CN116975403A (zh) | 内容检索模型及内容检索处理方法、装置和计算机设备 | |
CN113449517B (zh) | 基于bert门控多窗口注意力网络模型的实体关系抽取方法 | |
CN113111136A (zh) | 一种基于ucl知识空间的实体消歧方法及装置 | |
Hu et al. | Progress and analysis of multimodal knowledge graphs | |
CN112463988A (zh) | 一种中国古典园林信息抽取方法 | |
Li et al. | Design of knowledge map construction based on convolutional neural network | |
CN117056459B (zh) | 一种向量召回方法和装置 | |
CN116702784B (zh) | 实体链接方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230607 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240205 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240328 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7468929 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |