[发明专利]基于Transformer的多模态知识图谱动态自适应对齐方法在审
| 申请号： | 202310887453.X | 申请日： | 2023-07-19 |
| 公开（公告）号： | CN116932777A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 陈华钧;陈卓;方尹;郭凌冰;张文 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06N3/0455;G06N3/08 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 曹兆霞 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于Transformer的多模态知识图谱动态自适应对齐方法，包括：将两个多模态知识图谱按照模态特征维度分解后编码映射得到多模态实体特征表示；基于全局自适应权重投影映射后的多模态实体特征表示进行对齐聚合；通过Transformer进行基于注意力机制的自定义模态融合得到融合向量；基于对齐聚合和融合向量，并引入模态自适应的对比学习框架构建一阶段训练损失；基于循环缺失模态想象模块构建二阶段训练损失，基于损失函数对所有模块的学习，以实现模态知识图谱动态自适应对齐。 | ||
| 搜索关键词： | 基于 transformer 多模态 知识 图谱 动态 自适应 对齐 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310887453.X/，转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法
