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！

龙图腾网获悉北京邮电大学申请的专利基于双视图超关系嵌入框架的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：CN115269866B 。

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：202210831885.4，技术领域涉及：G06F16/36；该发明授权基于双视图超关系嵌入框架的知识图谱补全方法是由鄂海红;罗浩然;宋美娜;谭玲;姚天宇;周庚显设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本基于双视图超关系嵌入框架的知识图谱补全方法在说明书摘要公布了：本发明提出一种基于双视图超关系嵌入框架的知识图谱补全方法，包括，构建基于双视图超关系知识图谱的数据集，数据集包括实例视图集、本体视图集以及跨视图链接集；将数据集输入DH‑KG嵌入模型，其中，DH‑KG嵌入模型包括GRAN编码器、跨视图链接学习网络和联合学习网络；通过GRAN编码器进行视图内超关系学习，通过超图领域聚合技术以及跨视图损失进行跨视图联系学习，通过联合实例视图集、本体视图集和跨视图连接集分别对应的损失函数进行联合学习，得到训练完成的DH‑KG嵌入模型；通过训练完成的DH‑KG嵌入模型进行知识图谱的链接预测和实体分类。本发明通过双视图结构来联合建模知识图谱中的超关系和实体之间的层级关系，从而更好的进行链接预测和实体分类任务。

本发明授权基于双视图超关系嵌入框架的知识图谱补全方法在权利要求书中公布了：1.一种基于双视图超关系嵌入框架的知识图谱补全方法，其特征在于，包括以下步骤： 构建基于双视图超关系知识图谱的数据集，所述数据集包括实例视图集、本体视图集以及跨视图链接集； 将所述数据集输入DH-KG嵌入模型，其中，所述DH-KG嵌入模型包括GRAN编码器、跨视图链接学习网络和联合学习网络； 通过所述GRAN编码器进行视图内超关系学习，通过超图领域聚合技术以及跨视图损失进行跨视图联系学习，通过联合实例视图集、本体视图集和跨视图连接集分别对应的损失函数进行联合学习，得到训练完成的DH-KG嵌入模型； 通过所述训练完成的DH-KG嵌入模型进行知识图谱的链接预测和实体分类； 所述通过所述GRAN编码器进行视图内超关系学习，包括： 通过GRAN模型更新实体嵌入，利用更新后的实体嵌入进行实体或者关系预测，并计算出每个子视图内的损失； 所述通过GRAN模型更新实体嵌入，包括： 通过GRAN模型将一个超关系事实作为一个异构图，然后使用mask学习策略构建模型输入； 通过GRAN使用边偏向的全连接注意力来学习所述异构图； 通过GRAN编码器更新所有超关系事实的实体嵌入向量； 其中，在层GRAN编码器更新后的节点嵌入向量GRAN_E为： ， 其中，是第层GRAN的输出结果； 所述利用更新后的实体嵌入进行实体或者关系预测，并计算出每个子视图内的损失，包括： 取出MASK位置的节点嵌入向量h，然后进行一个两层的线性变换操作， ， 其中，与输入的嵌入向量矩阵共享参数，而、、则是可自学习的参数，是对所有实体的预测得分，即在整个事实中由v个实体； 加上标签平滑，根据p来得出预测值与标签之间的交叉熵损失： ， 其中，是预测出的得分向量p第个位置的值，是标签向量y第t个位置的值。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号北京邮电大学新科研楼627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”。