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！

龙图腾网获悉西北工业大学申请的专利面向先验数据不充分多社交媒体平台知识图谱的实体对齐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：CN115618097B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211075622.1，技术领域涉及：G06F16/9535；该发明授权面向先验数据不充分多社交媒体平台知识图谱的实体对齐方法是由王柱;刘慧;刘囡囡;徐沛;郑贺源;郭斌;於志文设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本面向先验数据不充分多社交媒体平台知识图谱的实体对齐方法在说明书摘要公布了：本发明涉及一种面向先验数据不充分多社交媒体平台知识图谱的实体对齐方法，利用知识图谱信息，补充了多社交媒体数据的先验信息，使得实体对齐的准确率得到了提高；本发明通过引入迭代机制并在迭代过程中将可能对齐的实体加入先验数据集，同时引入对齐判断机制防止迭代过程中误差的不断累积；本发明还引入了嵌入分布对齐机制，基于对抗网络对未标记实体在嵌入空间的形状进行约束，在不需要更多先验数据的前提下使得实体源嵌入与目标嵌入分布近似同构。本发明提供了一种实体对齐模型架构，仅需要少量先验信息，模型就能达到较好的效果，有效减轻了对数据标签的依赖。

本发明授权面向先验数据不充分多社交媒体平台知识图谱的实体对齐方法在权利要求书中公布了：1.一种面向先验数据不充分多社交媒体平台知识图谱的实体对齐方法，其特征在于步骤如下： S1：根据用户在多个社交媒体平台上的属性、数据和交互构建知识图谱； 所述S1所构建的知识图谱中，所述用户、属性、评论内容分词后的中心词均作为实体节点，用户与用户、用户与属性、用户与评论中心词以三元组h, r, t的方式构建知识图谱； S2：根据知识图谱从结构、语义和字符串得到三个维度的相似度矩阵，并进行特征融合，得到初始实体相似度； 所述S2的计算初始实体相似度，包括基于所述S1知识图谱所得到的三个相似度矩阵： 实体在结构特征上的相似度矩阵、实体在语义特征上的相似度矩阵和实体在字符串特征上的相似度矩阵，融合三个维度的相似度矩阵，得到统一的实体相似度矩阵； S3：迭代地将实体相似度高的可能对齐的实体经过自动标记的方式加入到训练数据集中，用作先验数据，实现先验数据的动态增长； 所述S3中，迭代策略具体为： S31：根据所述S2初始实体相似度，对于任意一实体x，当实体y与实体x的相似度大于阈值时，将实体y加入实体x的候选对齐实体； S32：使用所有满足条件的所有x，y构建二部图，其中节点表示实体，边代表节点间能够对齐的概率； S33：在二部图中寻找概率值最大并且不相交的边，得到一对一并且最有可能对齐的实体对，并为实体对打上对齐标签； S34：迭代过程中，使用对齐判断的方法避免被标记的实体被重复标记或者变为未标记； S35：将自动标记的实体对加入种子实体对，使用这些实体连接两个知识图谱，并使用来自另一个实体的信息丰富本身的知识图谱； S4：对未标记实体进行频率采样，在生成对抗网络中使得源知识图谱与目标知识图谱的嵌入分布对齐，可以使得能够对齐实体之间的距离减小； 所述S4中，嵌入分布策略具体为： S41：从所有实体对中进行频率采样； S42：定义GAN的指示器表示实体来自哪个知识图谱； S43：GAN的判别器判断分类实体之间的域特征； S44：最小二乘生成对抗网络LSGAN作为对抗性损失，它选择最小二乘损失作为判别器，对抗性模块采用0‑1编码的方法； S5：重新计算结构的相似度，进行特征融合，进而得到实体对齐的结果； 所述S5中，重新融合三个维度的相似度矩阵，得到统一的实体相似度矩阵具体为： S51：计算得到和的相似度，得到结构特征嵌入的相似度矩阵； S52：设定每个维度的权重相同，加权平均得到统一的实体相似度矩阵。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。

以上内容由龙图腾AI智能生成。