申请/专利权人：华南理工大学

申请日：2023-12-16

公开（公告）日：2024-03-22

公开（公告）号：CN117743652A

主分类号：G06F16/9032

分类号：G06F16/9032;G06F16/242;G06F16/2452;G06F16/2455;G06F16/28;G06F16/901;G06F40/279;G06F40/253;G06F40/30;G06N3/0895;G06N5/02;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了基于深度学习的弱监督时序图谱问答方法，包括以下步骤：步骤1，获得时序图谱数据集；步骤2，利用时序图谱数据集通过模板填充与有效性验证生成对应的数据库查询语句；步骤3，利用生成的数据库查询语句训练自然语言转数据库查询语句模型；步骤4，通过自然语言转数据库查询语句模型推理获得数据库查询语句，并根据该数据库查询语句进行数据库查询获得最终答案；使本发明的答案在维持较高的可解释性的同时，极大地降低了模型训练过程中对数据的标注要求。

主权项：1.一种基于深度学习的弱监督时序图谱问答方法，其特征在于，包括以下步骤：步骤1，获得时序图谱数据集；步骤2，利用时序图谱数据集通过模板填充与有效性验证生成对应的数据库查询语句；步骤3，利用生成的数据库查询语句训练自然语言转数据库查询语句模型；步骤4，通过自然语言转数据库查询语句模型推理获得数据库查询语句，并根据该数据库查询语句进行数据库查询获得最终答案；所述时序图谱数据集由人工标注获得，其中所述时序图谱数据集为弱监督数据集，仅包含了自然语言问句与对应答案的问答对，并将所述问答对划分为训练集和验证集，一个所述问句对应一个或多个所述答案。

全文数据：

权利要求：

百度查询： 华南理工大学 基于深度学习的弱监督时序图谱问答方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD