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！

龙图腾网获悉东南大学申请的专利一种基于任意维度超复数嵌入的知识图谱表示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：CN115168612B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210848061.8，技术领域涉及：G06F16/36；该发明授权一种基于任意维度超复数嵌入的知识图谱表示方法是由薛一帆;段如冰;伍家松;孔佑勇;杨冠羽;杨淳沨;董志芳;舒华忠设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本一种基于任意维度超复数嵌入的知识图谱表示方法在说明书摘要公布了：本发明公开了一种基于任意维度超复数嵌入的知识图谱表示方法，该方法主要特征在于将原始的知识图谱表示中的四元数嵌入的线性层替换成了超复数嵌入的线性层。具体包括以下步骤：1、知识图谱数据预处理，将传统知识图谱根据模型需求预处理为结构化数据；2、利用深度学习框架pytorch构造初步嵌入，并构建新的线性层，即超复数嵌入线性层，在图谱上学习实体和关系的向量表示；3、用知识图谱校验集进行校验，调整到最佳网络参数；4、对知识图谱测试集进行测试，统计结果。本发明通过改进一种已有的四元数知识图谱嵌入方法QuatE，引入超复数策略，降低了内存占用，减少了参数，同时保持了优异地嵌入结果。

本发明授权一种基于任意维度超复数嵌入的知识图谱表示方法在权利要求书中公布了：1.一种基于任意维度超复数嵌入的知识图谱表示方法，其特征在于，所述方法包括以下步骤： 步骤1、知识图谱数据预处理，将传统知识图谱根据模型需求预处理为结构化数据； 步骤2、利用深度学习框架pytorch构造初步嵌入，并构建新的线性层，即超复数嵌入线性层，在图谱上学习实体和关系的向量表示； 步骤3、用知识图谱校验集进行校验，调整到最佳网络参数； 步骤4、对知识图谱测试集进行测试，统计测试结果，利用MR即MeanRank，MRR即MeanReciprocalRanking，HIT10即链接预测中排名小于10的三元组的平均占比，评价指标对模型进行评估； 其中，步骤1具体如下：首先对不同领域的知识图谱进行预处理为五个文件，处理后的文件包括知识图谱三元组训练集，知识图谱三元组验证集，知识图谱三元组测试集，实体ID集合，关系ID集合； 步骤2具体如下：首先将步骤1得到的知识图谱中的实体和关系嵌入为初始向量，为接下来的训练做准备，构建超复数嵌入线性层，即HyperE层，由输入得到n元数的初始嵌入结果I，n为设定元数，I的维度被n整除 I＝[I1,I2,I3,…,In]1 I1表示n元数嵌入的实部部分，Ii,i∈[2,3,…,n]表示n元数嵌入的虚部部分，把这n个部分按照给定轴相接构成向量I，作为HyperE层的输入，HyperE层采用与标准平移模型相同的形式：y＝HyperEx＝Ux+b，关键思想是通过Kronecker积的和，将U构造为参数矩阵，其中x为输入的待训练的嵌入向量，b为偏置，得到y为实体或关系的嵌入向量； 计算正负样本的得分，并通过得分计算出每一批数据的损失来进行迭代优化。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。