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！

龙图腾网获悉同济大学申请的专利一种面向时间知识图谱中新实体的知识推理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：CN115344708B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202210932724.4，技术领域涉及：G06N5/04；该发明授权一种面向时间知识图谱中新实体的知识推理方法是由翟鹏珺;方钰;周晓杰设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本一种面向时间知识图谱中新实体的知识推理方法在说明书摘要公布了：一种面向时间知识图谱中新实体的知识推理方法，适用于新闻语料等各自然语言相关领域，其特征在于，包括步骤1、处理数据，构建负样本；步骤2、融合三种结构的编码器对步骤1数据进行编码；步骤3、结合解码器对模型进行训练；步骤4、利用步骤3训练得到的推理模型，实现面向新实体的推理预测。本发明从实体的邻居信息出发，通过融合三种不同结构的编码器去学习图谱中实体的邻居语义信息，并提出基于邻居结构感知的负样本生成方法，通过利用实体的多跳邻居获取质量较高的负样本集，从而训练得到学习能力更强，准确率更高的新实体知识推理模型。

本发明授权一种面向时间知识图谱中新实体的知识推理方法在权利要求书中公布了：1.一种面向时间知识图谱中新实体的知识推理方法，其特征在于，包括： 步骤1、处理数据，构建负样本； 步骤2、融合三种结构的编码器对步骤1数据进行编码；具体包括： 2.1：基于R-GCN的编码器 为了有效的学习三元组数据中的邻居语义信息，借助了R-GCN编码器结构，通过参数共享和矩阵分解的方法，利用邻居信息去获取当前实体的向量表示；为了适应时间知识图谱中存在的新实体，在R-GCN编码器中去除了自旋边的参数，具体的说明如下： 通过R-GCN学习步骤1所得三元组数据中的邻居结构信息，R-GCN是GCN在多关系图上的变体，利用参数共享或矩阵分解的方法，用比较少的参数，从实体的邻居信息中提取实体的特征；R-GCN通过层层叠加，组成深网络，其中每一层R-GCN计算得到的实体向量表示与上一层R-GCN得到的向量表示有关；实体i在第l+1层的向量表示为： 其中，σ·为激活函数，通常使用ReLU函数，为知识图谱中的关系集，为知识图谱中实体i在关系r下的邻居实体集；ci,r为标准化参数，通常设置为为关系r的参数矩阵；而为自旋边的参数；自旋边是为了防止在层间传播过程中，实体的表示的计算只利用邻居信息，最终完全丢失了当前实体的初始信息而为每个实体加上的连接自己的边；为了解决新实体问题，完全抛弃当前实体的信息，只使用邻居的信息编码当前实体，取消了自旋边，相应的实体i的向量表示为 这里的编码器选用单层R-GCN，并将R-GCN的输出作为实体i的向量表示输出给步骤2.4； 2.2：基于LSTM的编码器 针对时间知识图谱中广泛存在的时间序列信息，基于LSTM编码器结构去学习三元组数据中的时间关联信息；为了更好地学习时间关联信息，首先将三元组数据按照时间顺序进行排序，之后进行相应的线性变换，再使用LSTM编码器进行编码； 2.3基于注意力机制的编码器 为了充分挖掘学习邻居实体间的相互影响，基于注意力机制的编码器首先执行一次自注意力机制，然后再执行一次注意力机制； 2.4融合三种编码器 对步骤2.1、2.2和2.3得到的表示进行联合，得到实体的最终表示； 对于实体i，在关系r与时间τ下的最终表示为： 其中σ为sigmoid函数，参数为实体基于结构信息的表示的权重；相应的，实体j的最终表示记为 步骤3、结合解码器对模型进行训练； 步骤4、利用步骤3训练得到的推理模型，实现面向新实体的推理预测。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。