Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022003486 - RICH DESCRIPTOR FRAMEWORK TO TEXT GENERATION USING GRAPHS AND STRUCTURAL NEURAL ENCODERS

Publication Number WO/2022/003486
Publication Date 06.01.2022
International Application No. PCT/IB2021/055497
International Filing Date 22.06.2021
IPC
G06F 16/36 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
16Information retrieval; Database structures therefor; File system structures therefor
30of unstructured textual data
36Creation of semantic tools, e.g. ontology or thesauri
G06N 5/00 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5Computer systems using knowledge-based models
Applicants
  • INTERNATIONAL BUSINESS MACHINES CORPORATION [US]/[US]
  • IBM UNITED KINGDOM LIMITED [GB]/[GB] (MG)
  • IBM (CHINA) INVESTMENT COMPANY LIMITED [CN]/[CN] (MG)
Inventors
  • WU, Lingfei
  • WANG, Chen
Agents
  • ROBERTSON, Tracey
Priority Data
16/919,20802.07.2020US
Publication Language English (en)
Filing Language English (EN)
Designated States
Title
(EN) RICH DESCRIPTOR FRAMEWORK TO TEXT GENERATION USING GRAPHS AND STRUCTURAL NEURAL ENCODERS
(FR) CADRE DE DESCRIPTEUR RICHE DE GÉNÉRATION DE TEXTE À L'AIDE DE GRAPHES ET DE CODEURS NEURONAUX STRUCTURAUX
Abstract
(EN) Technology for using a bi-directed graph convolution neural network ("BGCNN") to convert Resource Description Framework (RDF) data into natural language text. Some embodiments perform RDF-to-Text generation by learning graph-augmented structural neural encoders, consisting of: (a) bi-directed graph-based meta-paths encoder; (b) bi-directed graph convolution networks encoder; and (c) separated attention mechanism for combining encoders and decoder to translate RDF triplets to natural language description.
(FR) L'invention concerne une technologie d'utilisation d'un réseau neuronal à convolution à graphe bi-orienté ("BGCNN") pour convertir des données de cadre de description de ressources (RDF) en un texte en langage naturel. Certains modes de réalisation effectuent la génération de RDF en texte par l'apprentissage de codeurs neuronaux structuraux augmentés par graphe, comprenant : (a) un codeur de méta-chemins à base de graphe bi-orienté ; (b) un codeur de réseaux à convolution à graphe bi-orienté ; et (c) un mécanisme d'attention séparé destiné à combiner des codeurs et un décodeur pour traduire des triplets de RDF en une description en langage naturel.
Related patent documents
Latest bibliographic data on file with the International Bureau