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！

龙图腾网获悉浪潮云洲工业互联网有限公司申请的专利基于对抗神经网络的标识解析知识图谱构建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：CN119537601B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411340889.8，技术领域涉及：G06F16/36；该发明授权基于对抗神经网络的标识解析知识图谱构建方法是由李韶钰;商广勇;齐光鹏;马振;罗涛设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本基于对抗神经网络的标识解析知识图谱构建方法在说明书摘要公布了：本发明提供一种基于对抗神经网络的标识解析知识图谱构建方法，属于互联网技术领域，包括：步骤1：获取与标识解析相关的各类数据，并进行清洗和转换；步骤2：对清洗和转换后的数据对文本进行实体识别，并从文本中识别实体之间的语义关系抽取；步骤3：构建“实体‑关系‑实体”的三元组，形成初步的知识图谱；步骤4：将初步的知识图谱作为数据集训练对抗神经网络，获取判别器的判别能力以及生成器的数据生成能力；步骤5：根据判别能力和数据生成能力获取经过对抗神经网络训练得到的实体和关系，并转化为知识图谱中的节点和边，构建完整的知识图谱。解决了降低了实体和关系抽取的准确率以及知识图谱的构建效率和质量的缺陷。

本发明授权基于对抗神经网络的标识解析知识图谱构建方法在权利要求书中公布了：1.一种基于对抗神经网络的标识解析知识图谱构建方法，其特征在于，包括： 步骤1：获取与标识解析相关的各类数据，并对所述标识解析相关的各类数据进行清洗和转换，具体包括： 根据标识数据库获取与标识解析相关的各类数据，并将与标识解析相关的各类数据组成数据集； 对所述数据集进行数据清洗和转换，根据清洗和转换后的数据集获取实体名称或非实体名称的其他标识性文本信息，并将实体名称或非实体名称的其他标识性文本信息映射为唯一的实体ID； 根据所述唯一的实体ID确定实体间的关系，具体包括： 根据唯一的实体ID确定实体名称特征和实体属性特征，根据实体名称特征和实体属性特征生成初始实体特征； 将初始实体特征输入到基于关系表示的深层神经网络中提取实体的关系特征； 获取实体之间的曼哈顿距离，根据曼哈顿距离确定实体间的相似度，选择相似度最高的两两实体作为对齐实体； 获取对齐实体之间的目标关系特征，根据目标关系特征与预设的实体关系之间的差异性确定特征损失项； 根据特征损失项确定对齐实体间的局部关系特征描述分量和全局关系特征描述分量，其中，局部关系特征描述分量是指用于描述实体之间局部关系特征的属性或变量； 获取局部关系特征描述分量和全局关系特征描述分量各自对应的实体表征，其中，全局关系特征描述分量是指描述两个或多个实体之间的全局关系； 根据实体表征确定对齐实体的预测缺失关系，根据预测缺失关系和预设关系表确定对齐实体的预设保留关系，其中，实体表征是指描述实体的一种方式，将实体与其相关特征和属性进行关联； 获取对齐实体各自的颗粒度特征表示信息，根据颗粒度特征表示信息获取对齐实体之间的节点特征表示信息，其中，颗粒度特征表示信息是指描述实体最基本的属性和状态的信息； 基于对齐实体之间的节点特征表示信息根据预先构建的基于关系类型的自适应衔接矩阵确定对齐实体之间的关系节点特征表示信息，其中，基于关系类型的自适应衔接矩阵是指首先需要为每种关系类型定义一个关系类型，通过将每种关系与已知的父类或关键字进行关联来实现； 根据关系节点特征表示信息确定对齐节点之间的关系类型，根据关系类型在预设保留关系中获取匹配关系； 获取非实体名称的其他标识性文本信息中的关系描述，进行标准化处理，获取一致性的关系标签； 步骤2：对清洗和转换后的数据基于BERT模型对文本进行实体识别，得到实体识别结果，并根据循环神经网络从文本中实现实体之间的语义关系抽取，得到关系抽取结果； 步骤3：基于实体识别结果和关系抽取结果构建“实体-关系-实体”的三元组，形成初步的知识图谱，并利用图数据库对初步的知识图谱进行存储； 步骤4：将所述初步的知识图谱作为数据集训练对抗神经网络，采用交替训练策略并引入Self-Attention机制，获取判别器的判别能力以及生成器的数据生成能力； 步骤5：根据判别器的判别能力以及生成器的数据生成能力获取经过对抗神经网络训练得到的实体和关系，并转化为知识图谱中的节点和边，构建完整的知识图谱。

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浪潮云洲工业互联网有限公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036号浪潮科技园S02号楼19层；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。