龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：新疆大学
申请日：2024-04-01
公开（公告）日：2024-07-05
公开（公告）号：CN118297153A
主分类号：G06N5/022
分类号：G06N5/022;G06F18/2135;G06F18/25;G06F16/951;G06N3/045;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于多模态知识图谱的表示学习方法、系统及存储介质，所述方法包括：收集多模态数据，包括文本数据、图像数据、语音数据；对文本数据、图像数据、语音数据分别进行特征提取，得到文本特征向量、图像特征向量、语音特征向量；利用主成分分析，将文本特征向量、图像特征向量、语音特征向量的维度统一；基于维度统一后的文本特征向量、图像特征向量、语音特征向量，生成每个实体的特征矩阵，并利用卷积层进行特征融合；将融合后的特征输入到TransE模型中进行训练。本发明涉及文本、语音、图像三种模态，利用不同模态数据的组合来提升知识表示学习性能。
主权项：1.一种基于多模态知识图谱的表示学习方法，其特征在于，包括以下步骤：收集研究领域的多模态数据，所述多模态数据包括文本数据、图像数据、语音数据；对文本数据、图像数据、语音数据分别进行特征提取，得到文本特征向量、图像特征向量、语音特征向量；利用主成分分析，将文本特征向量、图像特征向量、语音特征向量的维度统一；基于维度统一后的文本特征向量、图像特征向量、语音特征向量，生成每个实体的特征矩阵，并利用卷积层进行特征融合；将融合后的特征输入到TransE模型中进行训练。
全文数据：
权利要求：
百度查询： 新疆大学 基于多模态知识图谱的表示学习方法、系统及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号