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！

龙图腾网获悉华北水利水电大学;中原工学院申请的专利基于多层语义图卷积神经网络交通事件知识图谱构建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：CN117312577B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311480464.2，技术领域涉及：G06F16/36；该发明授权基于多层语义图卷积神经网络交通事件知识图谱构建方法是由魏富鹏;刘星;施歌;乔亚琼;郑秋生;姜维;陈紫薇;权高原设计研发完成，并于2023-11-08向国家知识产权局提交的专利申请。

本基于多层语义图卷积神经网络交通事件知识图谱构建方法在说明书摘要公布了：本发明提出了一种基于多层语义图卷积神经网络交通事件知识图谱构建方法，其步骤如下：采用自顶向下的方式定义事件本体的分层体系，设计本体模型；从公开数据集官网上下载中英文数据集，收集并整理真实的高校交通风险事件的文本和图像数据，构建知识图谱数据集；以OneRel模型为基础模型，构建事件抽取模型；利用多层语义图卷积神经网络学习知识图谱数据集的全局语义和句法图嵌入表示信息，训练事件抽取模型；构建高校交通安全事件知识图谱并进行可视化展示。本发明融合全局语义依存分析图和句法分析图，提高远距离实体的精确识别；构建多层语义图卷积神经网络捕获更深层次的实体关系语义隐藏信息，构建出较完整的高校交通安全事件知识图谱。

本发明授权基于多层语义图卷积神经网络交通事件知识图谱构建方法在权利要求书中公布了：1.一种基于多层语义图卷积神经网络交通事件知识图谱构建方法，其特征在于，其步骤如下： 步骤1：采用自顶向下的方式定义事件本体的分层体系，设计高校交通安全事件知识图谱的本体模型； 步骤2：从公开数据集官网上下载中英文数据集，收集并整理真实的高校交通风险事件的文本和图像数据，构建真实案例的知识图谱数据集； 步骤3：构建高校校内交通安全事件知识图谱的事件抽取模型；利用多层语义图卷积神经网络学习知识图谱数据集的全局语义和句法图嵌入表示信息，输入事件抽取模型进行训练； 所述步骤3中事件抽取模型的实现方法为：以OneRel模型为基础，在初始向量生成阶段融入句子的全局依存语义和句法图嵌入表示；采用BERT模型和Bi-LSTM网络获取文本的语义信息作为输入向量He；构建多层语义图卷积神经网络学习全局依存语义和句法图嵌入表示的信息；将学习到的图嵌入语义向量Ge和输入向量He拼接得到新的序列向量Vm，新的序列向量Vm经过图混合池化层捕获全局范围的语义信息；经过模型输出层得到语句的每个字符的标签，输出最终结果； 采用以字级特征、文本与句法依存融合特征为引导的注意力机制为语料文本分配不同的权重系数，第k层分别得到特征向量表示为： r＝VisoftmaxωΤtanhViΤ； Zk＝tanhr； 其中，采用tanh函数将拼接后的向量Vi变换到[-1,1]之间，r表示经过softmax函数后的特征向量表示，Zk经过双面正切激活函数后的特征向量表示，Vi代表拼接后的序列向量Vm中的任意一个特征向量，ω表示训练过的参数向量；softmax函数做归一化处理； 且对图混合池化后的向量Hg k和拼接的向量Vi进行非线性映射学习得到特征向量：Li k＝tanhwk[Vi,Hg k]+bk； 对特征向量Li k做归一化处理得到向量： 输入到k层的特征向量为 其中，wk、bk分别代表第k-1层注意力机制学习到的模型参数；Hg k表示第k-1层融合后的拼接的特征输出；exp为指数运算； 借鉴门控机制，将特征向量表示Zk和特征向量Mk融合表示： C＝σWl 1tanhWl 2Zk+Wl 3Mk； Dk＝C·Zk+1-C·Mk； 其中，σ代表Sigmoid激活函数，Wl 1、Wl 2、Wl 3表示模型自训练学习的权重参数，C表示对特征向量表示Zk和Mk做归一化处理的向量； 步骤4：构建高校交通安全事件知识图谱并进行可视化展示。

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华北水利水电大学;中原工学院，其通讯地址为：450011 河南省郑州市金水区北环路36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”。