专利汇可以提供一种基于深度强化学习的知识图谱自动生成方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于深度 强化学习 的知识图谱自动生成方法,通过将深度强化学习模型中 隐藏层 的权重和偏置作为三元组中的关系,将和关系连接的两个神经元作为三元组的主语和宾语,从而得到大量的三元组,然后构建特征表示矩阵和邻接矩阵,获得图神经网络中作为输入内容的知识图谱。上述方法不需要人工对环境特征的三元组进行标注,而且提取的环境特征和深度强化学习中设定的任务目标高度相关,具有较好的针对性。,下面是一种基于深度强化学习的知识图谱自动生成方法专利的具体信息内容。
1.一种基于深度强化学习的知识图谱自动生成方法,其特征在于,包括:
S1、构建深度强化学习模型,所述深度强化学习模型包括动作输出神经网络和目标导向神经网络,所述动作输出神经网络包括输入层,隐藏层和动作输出层,所述隐藏层包括至少二个中间层;
S2、从隐藏层中提取三元组(主语,关系,宾语);
S3、构建图神经网络,将提取到的三元组作为图神经网络的输入内容。
2.根据权利要求1所述的一种基于深度强化学习的知识图谱自动生成方法,其特征在于,所述每个中间层都包括若干个神经元,不同层之间的神经元之间通过权重和偏置连接,对所述权重和偏置进行结合计算得到一个能表示权重和偏置的值Z,将Z作为一个三元组中的关系,每一个Z都连接有两个神经元,将与Z连接的两个神经元和Z共同作为一组单位三元组。
3.根据权利要求2所述的一种基于深度强化学习的知识图谱自动生成方法,其特征在于,所述步骤S2包括提取隐藏层中每一条权重和偏置连接关系所代表的Z,获得隐藏层中所有三元组的表示U,将U作为步骤S3中图神经网络的输入。
4.根据权利要求2所述的一种基于深度强化学习的知识图谱自动生成方法,其特征在于,所述单位三元组的主语为靠近输入层的神经元,宾语为靠近动作输出层的神经元;
或所述单位三元组的主语为靠近动作输出层的神经元,宾语为靠近输入层的神经元。
5.根据权利要求1所述的一种基于深度强化学习的知识图谱自动生成方法,其特征在于,所述目标导向神经网络包括隐藏层神经元预测神经网络,动作预测神经网络;
所述隐藏层神经元预测神经网络的输入为当前时刻动作输出神经网络的输入以及当前时刻动作输出神经网络的动作输出,输出为对下一时刻动作输出神经网络的隐藏层每一个神经元数值的预测;
所述动作预测神经网络的输入为当前时刻和下一时刻动作输出神经网络隐藏层神经元的矩阵表示,输出为对当前时刻和下一时刻之间执行的动作的预测。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于通信受限的神经网络系统远程状态估计方法及装置 | 2020-05-12 | 563 |
微震信号到时差的自动拾取方法 | 2020-05-13 | 867 |
超低功率神经元形态人工智能计算加速器 | 2020-05-13 | 408 |
基于图像处理和人工智能的小样本缺陷检测方法 | 2020-05-13 | 936 |
基于重构模型的人体运动意向检测方法 | 2020-05-14 | 969 |
神经元信息发送方法和系统 | 2020-05-14 | 424 |
一种基于深度强化学习的知识图谱自动生成方法 | 2020-05-14 | 198 |
一种基于深度学习的司机、乘客行为分析与预警系统 | 2020-05-11 | 697 |
用于从具有变化显著性的带符号模拟电导对构建用于人工神经网络的突触权重的系统和方法 | 2020-05-15 | 988 |
一种基于人工智能的自动语音识别方法及系统 | 2020-05-12 | 812 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。