原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于扩散模型的事件骨架图生成方法、系统、终端及介质，训练扩散事件图模型时，采用扩散模型对事件图样本进行加躁和去躁以优化所述扩散事件图模型中的隐变量，获得已训练好的扩散事件图模型，将采样到的噪声输入已训练好的扩散事件图模型来生成事件骨架图。通过采用扩散模型的加噪和去噪过程训练扩散事件图模型，能够增强扩散事件图模型的鲁棒性，在训练过程中通过迭代完善扩散事件图模型中的隐变量，从而修正事件骨架图生成过程中的错误。因此，通过扩散模型的范式解决了事件骨架图生成时错误会累计的问题，能够生成的高
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116501899 A
(43)申请公布日 2023.07.28
(21)申请号 202310789430.5 G06N 3/045 (2023.01)
文档评论（0）