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！

龙图腾网获悉网才科技(广州)集团股份有限公司申请的专利基于人工智能的知识图谱命题纠错方法及系统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：CN119940511B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510130825.3，技术领域涉及：G06N5/022；该发明授权基于人工智能的知识图谱命题纠错方法及系统是由马赫;倪小明;郭南明;杜育林;洪潜凯;刘佳荣;李剑;崔浩松;蒋亦萱设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本基于人工智能的知识图谱命题纠错方法及系统在说明书摘要公布了：本发明公开了基于人工智能的知识图谱命题纠错方法及系统，涉及人工智能技术领域，包括对知识图谱数据进行特征提取，所述知识图谱数据包括文本数据和结构数据，得到多模态特征数据；基于图注意力网络构建局部语义验证模型，对所述多模态特征数据进行局部语义一致性检测，输出局部语义验证结果；基于知识图谱嵌入技术构建全局语义验证模型，对所述多模态特征数据进行全局语义一致性检测，输出全局语义验证结果；将所述局部语义验证结果与所述全局语义验证结果输入至条件随机场模型中，生成知识图谱的语义纠错结果。本发明不仅显著提升了知识图谱的准确性和可用性，还为知识图谱的维护和优化提供了可靠的技术支持，具有重要的实用价值。

本发明授权基于人工智能的知识图谱命题纠错方法及系统在权利要求书中公布了：1.一种基于人工智能的知识图谱纠错方法，其特征在于：包括，对知识图谱数据进行特征提取，所述知识图谱数据包括文本数据和结构数据，得到多模态特征数据； 基于图注意力网络构建局部语义验证模型，对所述多模态特征数据进行局部语义一致性检测，输出局部语义验证结果； 基于知识图谱嵌入技术构建全局语义验证模型，对所述多模态特征数据进行全局语义一致性检测，输出全局语义验证结果； 将所述局部语义验证结果与所述全局语义验证结果输入至条件随机场模型中，生成知识图谱的语义纠错结果； 所述全局语义一致性检测包括， 构建多维张量分解模型，将所述多模态特征数据映射到统一的语义空间，得到初始语义嵌入向量； 建立知识图谱的全局语义约束规则矩阵，该矩阵包含实体类型约束、关系传递性约束和互斥性约束； 建立知识图谱的全局语义约束规则矩阵包括， 构建实体类型约束矩阵，定义实体间的类型相容性； 构建关系传递性约束矩阵，描述关系间的逻辑推理规则； 生成综合约束矩阵，计算公式如下： ； 其中，表示最终的全局约束矩阵，表示类型约束矩阵，表示传递性约束矩阵，表示互斥性约束矩阵，表示各约束的权重系数； 将所述初始语义嵌入向量与所述全局语义约束规则矩阵进行张量运算，生成约束增强向量； 构建基于能量函数的打分模型，计算所述约束增强向量与知识图谱现有三元组的语义关联得分，构建能量函数打分模型的计算公式如下： ； 其中，表示三元组h,r,t的能量得分，表示约束项权重，||||2表示L2范数； 采用负采样技术生成对比样本集合，将所述语义关联得分与对比样本的得分进行评估，形成全局一致性评分； 基于层次聚类算法对所述全局一致性评分进行分组，识别出潜在的语义冲突点，输出全局语义验证结果，定义一致性聚类标准，计算公式如下： ； 其中，表示三元组的验证结果表示三元组的一致性评分，表示高置信度阈值，表示低置信度阈值； 所述生成知识图谱的语义纠错结果包括， 对所述局部语义验证结果与所述全局语义验证结果分别赋予权重系数，通过加权平均计算得到融合特征向量； 采用有向图表示三元组之间的关联关系，所述融合特征向量作为图中节点的初始状态值，利用归一化邻接矩阵计算节点间的状态转移概率，生成错误状态概率分布； 对所述错误状态概率分布按照预设的概率阈值和进行三元组聚类，得到高置信度错误簇、低置信度错误簇和正确簇； 从知识图谱中检索与所述高置信度错误簇中三元组具有相同头实体或尾实体的三元组，构建修正候选项集合； 针对所述修正候选项集合中的每个候选项，计算其与原始知识图谱中类型约束、逻辑规则和全局一致性的符合度得分，生成候选项评分列表； 按照所述候选项评分列表的得分高低，输出包含错误类型、建议修正三元组及其评分的纠错结果报告。

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网才科技(广州)集团股份有限公司，其通讯地址为：510000 广东省广州市番禺区东环街金山谷创意十街5号308~316、401~416房；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。