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！

龙图腾网获悉国开在线教育科技有限公司申请的专利基于知识图谱的学科知识点多模态资源关联生成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：CN119622359B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411750005.6，技术领域涉及：G06F18/22；该发明授权基于知识图谱的学科知识点多模态资源关联生成方法是由袁亚兴设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本基于知识图谱的学科知识点多模态资源关联生成方法在说明书摘要公布了：本发明实施例公开了一种基于知识图谱的学科知识点多模态资源关联生成方法，包括：获取不同模态的知识数据，所述不同模态包括文本、视频、音频和图像中的至少之一；根据所属的知识点，将不同模态的知识数据进行关联；在以知识点为节点的知识图谱中，将相互关联的各模态知识数据显示为所属知识点的多媒体资源链接。本实施例能够实现在知识图谱中实现多模态资源的自动关联。

本发明授权基于知识图谱的学科知识点多模态资源关联生成方法在权利要求书中公布了：1.一种基于知识图谱的学科知识点多模态资源关联生成方法，其特征在于，包括： 获取不同模态的知识数据，所述不同模态包括文本、视频、音频和图像中的至少之一； 根据所属的知识点，将不同模态的知识数据进行关联； 在以知识点为节点的知识图谱中，将相互关联的各模态知识数据显示为所属知识点的多媒体资源链接； 其中，所述根据所属的知识点，将不同模态的知识数据进行关联，包括： 通过不同模态的编码器，分别对不同模态的知识数据进行编码，得到各模态知识数据的编码特征，其中，信息量越大的模态对应的特征维度越大； 根据学习主题的最大化表示形态，选择当前学习主题的基准模态，其中，所述最大化表示形态对应当前学习主题的最佳知识形态，能够实现信息准确度的最大化；具体的，如果当前学习主题为描述性知识，将描述性知识的最大化表示形态文本，选择为所述当前学习主题的基准模态；如果当前学习主题为静态视觉类知识，将静态视觉类知识的最大化表示形态图像，选择为所述当前学习主题的基准模态；如果当前学习主题为动态视觉类知识，将动态视觉类知识的最大化表示形态视频，选择为所述当前学习主题的基准模态；如果当前学习主题为听觉类知识，将听觉类知识的最大化表示形态音频，选择为所述当前学习主题的基准模态； 通过以下公式，将所述当前学习主题下各模态知识数据的编码特征，转换至所述基准模态的编码空间内： In，S＝Tn，S×In+Bn，S 其中，In表示索引为n的模态类型的知识数据编码特征，Tn，S和Bn，S分别表示索引为n的模态类型的编码空间到基准模态的编码空间的转换矩阵和偏置矩阵，In，S表示In转换至基准模态的编码空间后的特征； 对于不同模态的每两项知识数据，分别计算每两项知识数据转换后的编码特征的相似度；将相似度大于设定阈值的多模态知识数据，确定为属于同一知识点的多模态知识数据； 其中，在所述通过不同模态的编码器，分别对不同模态的知识数据进行编码，得到各模态知识数据的编码特征之前，还包括： 在各模态的编码器后分别连接相应的解码器，各编码器用于对原始知识数据进行编码，各解码器用于根据各编码特征还原各知识数据； 利用各模态的知识数据对各编码器和解码器进行训练，训练中通过约束还原后的知识数据与原始知识数据差异最小化，来更新参数； 将各解码器去除，分别在各模态编码器后连接各模态下的关联计算分支，各关联计算分支均包括转换矩阵、偏置矩阵和相似度计算层； 将各编码器的参数固定，利用各类学习主题下的多模态知识数据对各转换矩阵和偏置矩阵进行训练，训练中通过约束属于同一知识点的多模态知识数据最终的相似度最大化，以及属于不同知识点的多模态知识数据最终的相似度最小化，来更新参数。

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国开在线教育科技有限公司，其通讯地址为：100039 北京市海淀区魏公村路2号8层808室；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”。