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！

龙图腾网获悉复旦大学申请的专利基于预训练模型的图神经网络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：CN119599106B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411647636.5，技术领域涉及：G06N5/02；该发明授权基于预训练模型的图神经网络知识图谱补全方法是由朱鸿斌;柴洪峰;孙旭;杨春;况文川设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本基于预训练模型的图神经网络知识图谱补全方法在说明书摘要公布了：本发明提供了一种基于预训练模型的图神经网络知识图谱补全方法，具有这样的特征，包括步骤S1，得到各个有描述实体和关系对应的自然语言表示；步骤S2，根据所有有描述实体对应的自然语言表示，得到各个无描述实体对应的自然语言表示；步骤S3，训练得到知识图谱补全模型，以及各个关系对应的表示和各个无描述实体对应的初始语义表示；步骤S4，将三元组、各个有描述实体对应的自然语言表示和三元组中关系对应的表示输入训练好的知识图谱补全模型，得到缺失实体。总之，本方法能够提高知识图谱的补全效果。

本发明授权基于预训练模型的图神经网络知识图谱补全方法在权利要求书中公布了：1.一种基于预训练模型的图神经网络知识图谱补全方法，用于对知识图谱中缺失实体的三元组进行补全，该知识图谱中的实体包括无描述实体和有描述实体，其特征在于，包括以下步骤： 步骤S1，将所述知识图谱中所有所述有描述实体和关系分别输入现有的预训练语言模型，得到各个所述有描述实体和所述关系对应的自然语言表示； 步骤S2，根据所有所述有描述实体对应的自然语言表示，通过多元高斯分布，得到所述知识图谱中各个所述无描述实体对应的自然语言表示； 步骤S3，构建知识图谱补全模型，并根据所述知识图谱，结合所有所述有描述实体、所述关系和所述无描述实体对应的自然语言表示，对所述知识图谱补全模型进行训练，得到训练好的知识图谱补全模型，以及各个所述关系对应的表示和各个所述无描述实体对应的初始语义表示； 步骤S4，将所述三元组、各个所述有描述实体对应的所述自然语言表示和所述三元组中所述关系对应的表示输入所述训练好的知识图谱补全模型，得到缺失实体， 其中，所述知识图谱补全模型包括： 图表示生成模块，用于对各个所述有描述实体对应的自然语言表示生成对应的图表示，并对各个所述无描述实体对应的初始语义表示生成对应的图表示； 分数计算模块，用于将所述三元组中现有实体对应的图表示和所述关系对应的表示与各个所述实体对应的图表示分别计算预测分数，并将最高的所述预测分数对应的所述实体作为所述缺失实体， 训练过程中的损失函数的表达式为： 式中为所述损失函数，λ1和λ2分别为对应项的权重系数，为期望，为三元组hi,ri,ti的预测分数，为批次训练数据中第i个正样本三元组对应的全部负样本三元组的预测分数经指数激活后的和，ε为所有所述实体的集合，xh为集合ε中实体h对应的训练图表示，为所有关系的集合，xr为集合中关系r对应的训练图表示，E为所有所述有描述实体的集合，为集合E中实体h对应的训练图表示，eh为实体h对应的自然语言表示，er为关系r对应的自然语言表示。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。