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！

龙图腾网获悉西南交通大学申请的专利一种联合实体类别及邻域信息的实体对齐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：CN118484502B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410769190.7，技术领域涉及：G06F16/28；该发明授权一种联合实体类别及邻域信息的实体对齐方法是由王淑营;蒋敏;丁国富;张雨婷设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本一种联合实体类别及邻域信息的实体对齐方法在说明书摘要公布了：本发明涉及实体对齐领域，具体涉及一种实体类别及邻域信息的实体对齐方法。该方法通过嵌入关系三元组、属性三元组和实体类别信息，利用BERT预训练模型进行编码，解决缺失语义信息的问题，采用卷积神经网络提取属性特征，通过利用实体类别和种子词构建类别冲突矩阵，再经过实体类别和属性进行嵌入指导，并通过全连接网络将多个知识图谱连接，实现不同知识图谱之间的实体对齐。通过属性信息和实体类别信息对实体对齐过程的指导，提高了实体对齐的准确率，在公开数据集的对齐效果明显优于目前主流的实体对齐方法。

本发明授权一种联合实体类别及邻域信息的实体对齐方法在权利要求书中公布了：1.一种联合实体类别及邻域信息的实体对齐方法，其特征在于，步骤包括： 步骤S1：将知识图谱的实体三元组、属性三元组根据相应的文本信息初始化为向量； 步骤S2：获取实体三元组，对所述实体三元组中的关系进行建模，得到实体关系模型；使用所述实体关系模型将所述实体三元组映射到所述知识图谱对应的实体向量空间； 步骤S3：获取属性三元组，构建属性模型，从所述属性三元组中提取属性和属性值的第一特征，将所述第一特征转换成属性向量；使用所述属性模型将所述属性三元组映射到所述实体向量空间； 步骤S4：获取类别三元组，对实体的类别之间的层级结构进行建模，得到实体类别模型；使用所述实体类别模型将类别三元组映射到类别向量空间； 步骤S5：根据实体类别之间是否直接互斥将实体类别之间的冲突划分为显式冲突和隐式冲突；根据显式冲突程度建立显式冲突矩阵；根据隐式冲突程度计算隐式冲突矩阵；将所述显式冲突矩阵和所述隐式冲突矩阵映射到所述类别向量空间； 步骤S6：根据已知实体和实体的类别建模，得到类别嵌入模型；通过所述类别嵌入模型将所述实体向量空间映射到所述类别向量空间； 步骤S7：获取多个知识图谱，将每个知识图谱按照所述步骤S1~所述步骤S6进行映射，得到对应的所述类别向量空间；利用已知的种子词集合构建神经网络，通过所述神经网络将多个所述类别向量空间连接，实现知识图谱之间的实体对齐； 所述显式冲突矩阵的建立方法包括：将所述显式冲突的类别作为行和列，按照第一步骤依次比较所有类别；所述第一步骤包括： 步骤S51：如果第一类别和第二类别相同，矩阵元素设置为0，执行步骤S51；如果所述第一类别和所述第二类别不同，执行步骤S52； 步骤S52：预设无冲突类别关系；如果所述第一类别和所述第二类别属于所述无冲突类别关系，矩阵元素设置为1，执行步骤S51；如果所述第一类别和所述第二类别不属于第一类别关系，执行步骤S53； 步骤S53：获取所述种子词集合中的种子实体；如果所述第一类别和所述第二类别为所述种子实体的类别，矩阵元素设置为0，执行步骤S51；如果所述第一类别和或所述第二类别对应的实体不为所述种子实体，执行步骤S54； 步骤S54：根据所述第一类别和所述第二类别在所述层级结构中的距离计算显式冲突矩阵元素值。

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西南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111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。