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！

龙图腾网获悉哈尔滨工业大学申请的专利基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入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：CN120067341B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510171465.1，技术领域涉及：G06F16/36；该发明授权基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入方法是由林琳;索世伟;刘丹;付松;吴金蕾设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入方法在说明书摘要公布了：一种基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入方法，属于知识图谱嵌入技术领域。本发明针对现有知识图谱嵌入方法对特征图的整体关注度差，影响预测结果的问题。包括基于全局信息捕获的实体关系语义重构方法，通过多层膨胀卷积对实体和关系组成的语义信息矩阵进行全局信息重建，获取具有上下文逻辑关联信息的实体和关系的语义信息；其次通过面向语义重构信息的多规格特征捕获机制，从关系向量中提取不同规格的卷积核与重构信息进行卷积，从不同角度对实体关系语义信息进行特征捕获；最后采用基于组归一化的信息锐化方法，对多规格特征的集合进行标准化和阈值调整。本发明提升了实体与关系表示的准确性和鲁棒性。

本发明授权基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入方法在权利要求书中公布了：1.一种基于全局信息语义重构与多规格特征锐化框架的知识图谱嵌入方法，其特征在于，包括， 对知识图谱中的三元组进行随机初始化，获得D维三元组嵌入，将D维三元组嵌入中头实体嵌入和关系嵌入按维度进行对应拼接，再整形得到初始特征图X0； 采用基于全局信息捕获的语义信息重构模块对初始特征图X0进行特征提取，再结合所述初始特征图X0进行残差处理，得到残差后特征图X1； 选择三个不同大小的关系卷积核分别对残差后特征图X1进行特征提取，得到三组特征映射图i＝1,2,3；所述关系卷积核为从关系向量中抽取不同规格的分量组成的卷积核； 再采用基于组归一化的特征锐化模块对特征映射图进行特征锐化，得到锐化后特征图； 将三个锐化后特征图分别展平并沿通道维度连接，并采用全连接层获得隐藏层向量，所述隐藏层向量与三元组嵌入中尾实体嵌入的维度相同；再将所述隐藏层向量与三元组嵌入中尾实体嵌入进行矩阵乘法，预测得到多个得分，将得分最高值对应的尾实体嵌入作为尾实体预测结果，实现信息重构； 所述基于全局信息捕获的语义信息重构模块依次包括深度卷积DW-Conv、两个不同膨胀率的深度膨胀卷积DW-DConv和普通卷积Conv；初始特征图X0依次输入至深度卷积DW-Conv和深度膨胀卷积DW-DConv，并由普通卷积Conv输出特征提取结果； 基于组归一化的特征锐化模块对特征映射图进行特征锐化的过程包括对特征映射图进行标准化、特征分割、特征增强和弱化及重组； 标准化步骤是将特征集合统一数量级别，并用缩放因子约束特征在集合中的重要程度；特征分割步骤是将与对齐目标关联强的特征与弱的特征分开；特征增强和弱化步骤对分割后的两组特征分别进行不同的处理：对高于设定阈值的强特征进行放大，强化其在后续特征学习中的贡献；对低于阈值的弱特征进行衰减，减小其对模型性能的干扰；重组步骤将增强和弱化后的特征重新整合为一个特征集合，生成锐化后的特征集合。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。