Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜电子科技大学秦科获国家专利权

恭喜电子科技大学秦科获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜电子科技大学申请的专利一种基于特征增强的人物关系知识图谱补全方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116258139B

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211095419.0,技术领域涉及:G06F40/279;该发明授权一种基于特征增强的人物关系知识图谱补全方法是由秦科;许毅;罗光春;段贵多;范雨;詹紫琦;张清杨设计研发完成,并于2022-09-05向国家知识产权局提交的专利申请。

一种基于特征增强的人物关系知识图谱补全方法在说明书摘要公布了:本发明属于知识图谱相关技术领域,具体提供一种基于特征增强的人物关系知识图谱补全方法,旨在解决现有的基于卷积神经网络的模型方法并没有考虑丰富的图谱语义信息的问题,受限于三元组本身的信息特征,同时解决了DKRL模型不能有效地提取描述文本特征的缺陷。本发明基于知识图谱附加的语义特征和路径特征,针对链接预测任务,提供一种基于特征增强的卷积神经网络模型,通过将附加描述信息、路径信息与卷积神经网络结合起来,实现更高质量的知识图谱补全方法,进而实现对人物关系知识图谱的补全,提升针对人物间关系的预测性能,为人物关系提供支持。

本发明授权一种基于特征增强的人物关系知识图谱补全方法在权利要求书中公布了:1.一种基于特征增强的人物关系知识图谱补全方法,包括以下步骤: 步骤1.获取现有开源人物关系知识图谱,其中,任一三元组为头实体,关系,尾实体,对残缺头实体或尾实体的三元组填充候选实体,得到若干预测三元组; 步骤2.获取预测三元组的头实体与尾实体的实体描述、以及头尾实体对的三步以内所有有向关系路径构成的关系集合,关系集合包括:一跳路径、两跳路径与三跳路径; 步骤3.将预测三元组的头实体描述、尾实体描述与关系集合向量化,得到头实体描述向量矩阵、尾实体描述向量矩阵与关系向量矩阵;向量化的具体过程为:通过查寻实体嵌入矩阵与关系嵌入矩阵得到相应的单词向量与关系向量,再进行向量拼接得到矩阵; 步骤4.将头实体描述向量矩阵、尾实体描述向量矩阵与关系向量矩阵作为输入,由基于特征增强的预测模型输出预测概率;基于特征增强的预测模型为: 采用卷积核为3×3的第一卷积层对头实体描述向量矩阵Dh进行卷积操作得到特征图,再对特征图进行向量展平操作,最后通过第一全连接层得到头实体描述特征向量wh: wh=fvecDh*ΩhWh 其中,f表示激活函数,vec·表示向量展平操作,*表示卷积操作,Ωh表示第一卷积层的卷积核,Wh表示第一全连接层的参数矩阵; 采用卷积核为3×3的第二卷积层对尾实体描述向量矩阵Dt进行卷积操作得到特征图,再对特征图进行向量展平操作,最后通过第二全连接层得到尾实体描述特征向量wt: wt=fvecDt*ΩtWt 其中,Ωt表示第二卷积层的卷积核,Wt表示第二全连接层的参数矩阵; 采用卷积核大小为3×1的第三卷积层对任一一跳路径的关系向量进行卷积操作得到特征图,再通过第三全连接层得到特征向量,最后对所有一跳路径的特征向量取平均得到特征向量 其中,N1表示一跳路径的数量,p1,i表示第i个一跳路径的特征向量,表示第三卷积层的卷积核,表示第三全连接层的参数矩阵; 采用卷积核大小为3×2的第四卷积层对任一两跳路径的关系向量进行卷积操作得到特征图,再对特征图进行向量展平操作,再通过第四全连接层得到特征向量,最后对所有两跳路径的特征向量取平均得到特征向量 其中,N2表示两跳路径的数量,p2,i表示第i个两跳路径的特征向量,表示第四卷积层的卷积核,表示第四全连接层的参数矩阵; 采用卷积核大小为3×3的第五卷积层对任一三跳路径的关系向量进行卷积操作得到特征图,再对特征图进行向量展平操作,再通过第五全连接层得到特征向量,最后对所有三跳路径的特征向量取平均得到特征向量 其中,N3表示三跳路径的数量,p3,i表示第i个三跳路径的特征向量,表示第五卷积层的卷积核,表示第五全连接层的参数矩阵; 将特征向量特征向量特征向量进行特征融合,得到关系特征向量wp: 再将头实体描述特征向量wh、尾实体描述特征向量wt、关系特征向量wp与头实体本征特征h、尾实体本征特征t、关系本征特征r进行拼接,得到强化特征矩阵,再采用卷积核为3×3的第六卷积层对强化特征矩阵进行卷积操作得到特征图,再对特征图进行向量展平操作,最后通过第六全连接层得到最终特征向量w: w=fvec[wh;h;wt;t;wp;r]*ΩfWf 其中,Ωf表示第六卷积层的卷积核,Wf表示第六全连接层的参数矩阵; 最后将最终特征向量w与度量向量c进行内积操作,得到逻辑分数score: 再经过激活函数sigmoid作为预测概率; 步骤5.将预测概率最高的预测三元组作为预测结果,补入人物关系知识图谱中。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。