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;江苏省海洋经济监测评估中心(江苏省海域使用动态监视监测中心)申请的专利一种子图检索优化的知识图谱问答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：CN117149974B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202311114498.X，技术领域涉及：G06F16/3329；该发明授权一种子图检索优化的知识图谱问答方法是由龚雨昕;刘波;胡艳娜;朱瑞;曹玖新;钱林峰设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种子图检索优化的知识图谱问答方法在说明书摘要公布了：本发明公开了一种基于子图检索优化的知识图谱问答方法，该方法首先基于问答数据集构建实体识别和实体链接模型训练所需的数据集；其次利用微调的预训练语言模型搭建实体识别模型；之后根据识别得到的问句实体提及从映射词典和知识图谱中召回候选实体列表，通过实体消歧实现融合多特征的实体链接模型；接着采用多策略优化集束搜索过程，提出基于关系合并和实体排序的子图检索算法；最后基于预训练语言模型和孪生网络架构搭建问答匹配模型，对问题相关子图中的候选答案路径进行排序得到最终答案，实现知识图谱智能问答功能。

本发明授权一种子图检索优化的知识图谱问答方法在权利要求书中公布了：1.一种基于子图检索优化的知识图谱问答方法，其特征在于，该方法包括以下步骤： 1数据预处理 将清洗后的知识图谱数据存入数据库中并建立查询索引，基于问答数据集分别构建实体识别和实体链接模型训练所需的数据集； 2实体识别 使用步骤1中构建的实体识别数据集对预训练语言模型进行微调，首先利用BERT模型对自然问句进行字符级向量表示，然后通过BiLSTM模型进一步编码问句字符的上下文信息，增强字符的向量表示，最后利用CRF模型预测每个字符的实体标签，以此来识别问句中的实体； 3实体链接 使用步骤2已识别出问句中的实体，采用映射词典匹配、知识图谱实体精确匹配和知识图谱实体模糊匹配三种策略从知识图谱中召回实体提及对应的候选实体集合，而后采用预训练语言模型对文字信息进行建模，对于每一组实体提及和候选实体对，将问句的语义信息作为实体提及的上下文特征，将候选实体的实体名称、实体描述以及实体关系等特征作为候选实体的上下文特征，最后利用实体提及与候选实体上下文特征之间的相关性对候选实体进行消歧从而得到问句的主题实体； 4子图检索 根据步骤3得到的主题实体，提出基于关系合并和实体排序的子图检索算法，并采用集束搜索的思路动态扩展主题实体的问题相关子图，首先基于关系合并策略合并检索实体的重复关系，然后根据问句与实体关系之间的语义相似度、问句与邻居实体之间的语义相似度分别对实体关系和邻居实体进行排序，最后根据实体关系和邻居实体的排名选择多个子图； 5问答匹配 利用步骤4子图检索出的多个子图，生成主题实体到候选答案的关系路径，基于经过微调的预训练语言模型和孪生网络架构搭建问答匹配模型，利用问句和候选答案路径之间的相关性，对多个子图的所有候选答案路径进行评分，将评分最高的候选答案路径对应的实体集合作为问题的最佳答案； 其中，步骤3包括如下具体步骤： 3-1实体链接模块分为两个任务，候选实体生成和实体消歧； 其中，候选实体生成采用基于映射词典和字符串匹配两种方法，首先基于Mention2entity文件构建实体提及到知识图谱实体的映射词典，针对实体别名、缩写的问题，从知识图谱中检索实体的别名、中文名、英文名和缩写等属性来扩充映射词典；然后根据问句中的实体提及生成其候选实体列表，先检索预先构建的映射词典，得到基于映射词典生成的候选实体集合m1表示通过映射词典得到的候选实体数量；对于无法映射的实体提及，采用完全匹配和模糊匹配两种策略分别检索知识图谱得到基于字符串匹配的候选实体集合m2表示通过字符串匹配得到的候选实体数量；最后将基于映射词典和字符串匹配的候选实体列表合并得到最终的候选实体集合 3-2基于BERT-Softmax来搭建融合多种特征的实体消歧模型，将实体消歧建模为二分类任务，利用问句和候选实体上下文之间的相关性对候选实体进行分类；具体来说，给定自然语言问句Q＝[q1,q2,…,qn]，n表示问句的长度；候选实体集合C＝[c1,c2,…,cm]，m表示候选实体数量；候选实体ci的上下文信息集合其中为实体描述,为实体关系集合，p表示实体关系数量，最大值为k，和根据候选实体ci从知识图谱中检索得到，在检索实体关系的过程中，随机选择k种不同的关系作为实体关系集合，实体消歧模型的输入为[CLS]、问句Q、[SEP]、候选实体ci的上下文信息集合I、[SEP]的拼接，将问句Q和候选实体上下文信息集合I视为两个独立的句子，通过BERT模型对进行文本编码，然后取[CLS]标识符的隐层向量作为问句和候选实体上下文之间的相关性特征，将其输入到Softmax层中进行分类，该过程形式化为公式10-12： H[CLS]＝BERTInput11 P＝SoftmaxW*H[CLS]+b12 模型的输出为其中，表示预测为最佳候选实体的概率，表示预测为非最佳候选实体的概率，损失函数为交叉熵损失函数CrossEntropyLoss，如公式13所示： 其中，N为样本数量，yi表示第i个样本的真实标签，表示第i个样本的预测标签。

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;江苏省海洋经济监测评估中心(江苏省海域使用动态监视监测中心)，其通讯地址为：211189 江苏省南京市江宁区东南大学路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”。

以上内容由龙图腾AI智能生成。