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！

龙图腾网获悉福州大学申请的专利基于深层语义与实体类别信息提取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：CN119204178B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411122591.X，技术领域涉及：G06N5/022；该发明授权基于深层语义与实体类别信息提取的知识图谱补全方法是由汪璟玢;游常凯;张富源设计研发完成，并于2024-08-15向国家知识产权局提交的专利申请。

本基于深层语义与实体类别信息提取的知识图谱补全方法在说明书摘要公布了：本发明涉及一种基于深层语义与实体类别信息提取的知识图谱补全方法，属于知识图谱补全领域。本发明方法提出端到端的神经网络的DSET模型，并基于DSET模型输出预测的知识图谱缺失位置的实体；所述DSET模型包括：专注于实体类型信息的建模的类型相似度图注意力编码器TS‑GAT、负责提取实体和关系的深层语义特征的深层语义信息三维卷积解码器DS‑Conv3。本发明方法解决了传统知识图谱补全方法中忽视实体类别信息和深层语义特征提取不足的问题。

本发明授权基于深层语义与实体类别信息提取的知识图谱补全方法在权利要求书中公布了：1.一种基于深层语义与实体类别信息提取的知识图谱补全方法，其特征在于，提出端到端的神经网络的DSET模型，并基于DSET模型输出预测的知识图谱缺失位置的实体；所述DSET模型包括：专注于实体类型信息的建模的类型相似度图注意力编码器TS-GAT、负责提取实体和关系的深层语义特征的深层语义信息三维卷积解码器DS-Conv3；所述类型相似度图注意力编码器TS-GAT考虑等价关系中实体类型的内在联系，在聚合过程中通过计算正、反关系嵌入的相似度来识别等价关系，从而赋予同类实体更高的关联权重；同时，TS-GAT也考虑实体间的多样性信息，为中心实体聚合同时带有实体、关系的三元组级信息；所述深层语义信息三维卷积解码器DS-Conv3使用高斯函数映射捕捉实体和关系的深层复杂语义，并且利用三维卷积操作提取实体和关系的局部特征，同时捕捉它们之间的复杂交互模式； 所述类型相似度图注意力编码器TS-GAT提出头尾类型注意力机制，通过计算关系对应的正向和反向关系嵌入之间的余弦相似度，判断是否为等价关系，并确定头尾实体是否属于同一类别；具体实现如下： 首先，正反关系相似度的计算公式为： 其中，符号·表示两个向量的点积，||r||2和||r'||2分别代表向量r和r'的二范数，因为余弦相似度的取值范围在-1到1之间，为便于后续的注意力分数计算，将正反关系相似度取值范围控制在0到1之间； 接下来，计算头尾实体间的注意力分数： 其中，αij代表实体ei和实体ej之间的类型注意力分数，rij表示实体ei和实体ej之间关系的嵌入向量，rij'表示实体ei和实体ej之间对应反向关系的嵌入向量，是实体ei的邻居关系集合； 接下来，根据注意力分数来加权邻居实体的嵌入向量，并对其进行更新；传递的消息通过以下方式来进行计算和更新： 其中，表示邻居实体传递给实体ei的类型信息，表示所有和实体ei相连的实体的集合，是类型信息的映射矩阵； 所述深层语义信息三维卷积解码器DS-Conv3设计一个多维高斯映射方法，对实体和关系的嵌入进行映射转换，具体如下： 对于实体的映射函数，由一系列高斯函数φie组成，其中每个核函数聚焦于输入嵌入与特定的中心点ci之间的相似性；具体地，对于第i个核函数，得到： 其中ci表示第i个高斯中心，由模型参数化学习可得，σi是对应的标准差；映射函数涵盖d个高斯函数，构成一个映射函数Φe： Φe＝[φ1e,φ2e,…,φde] 通过映射函数Φ，头实体嵌入向量es被转换为一个新特征向量相似地，关系嵌入r也被转换为新的特征向量rΦ：

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。