武汉理工大学郑文博获国家专利权
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！
龙图腾网获悉武汉理工大学申请的专利一种基于广度优先搜索的少样本知识图谱协同编辑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：CN116049427B 。
龙图腾网通过国家知识产权局官网在2025-07-25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：202211640171.1，技术领域涉及：G06F16/36；该发明授权一种基于广度优先搜索的少样本知识图谱协同编辑方法是由郑文博;周雷设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。
本一种基于广度优先搜索的少样本知识图谱协同编辑方法在说明书摘要公布了：本发明提出了一种基于广度优先搜索的知识图谱协同编辑方法。在本方法中，有两个主要的技术贡献，首先，为了弥合语义上的差距，通过学习知识图谱的表征由图神经网络编码和基于预训练语言模型的实体表征之间的对应关系来加强表征的一致性。其次，为了将知识图谱输入到预训练语言模型，提出了一个基于关系的广度优先搜索策略，将知识图谱线性化为一个良好的实体序列。本发明可以以文本输入的形式编辑知识图谱，以及可用于其他有关知识图谱和文本之间的对应关系的相关任务。
本发明授权一种基于广度优先搜索的少样本知识图谱协同编辑方法在权利要求书中公布了：1.一种基于广度优先搜索的知识图谱协同编辑方法，其特征在于，包括如下步骤： 步骤一，获取输入文本和给定的知识图谱，并且对给定的知识图谱进行预处理，提取知识图谱上每个节点的所有三元组； 步骤二，对于输入文本，利用预训练语言模型进行文本表征处理； 步骤三，构造一个基于图神经网络的知识图谱编码器，通过利用知识图谱中的多关系信息来生成实体编码或向量； 步骤四，通过最小化基于图神经网络的实体向量和基于预训练语言模型的文本在之间在语义空间中的欧几里得距离来建立对齐损失； 步骤五，通过基于关系的广度优先搜索策略，将知识图谱遍历并线性化为实体序列αe； 步骤六，将αe输入到语言模型的解码器，得到文本序列，并将解码器中的文本序列的隐向量输入到知识图谱中，进行关系预测，得到重建损失； 步骤七，通过联合对齐损失和预测损失，采用Adam优化算法进行模型训练，更新语言模型和图神经网络的网络参数； 步骤八，重复T次步骤二至步骤七； 步骤九，在测试阶段，将任意文本输入，得到编辑后的知识图谱。
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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号