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！

龙图腾网获悉嘉兴大学申请的专利一种多模态知识图谱稀疏信息增强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：CN121257687B 。

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：202511811750.1，技术领域涉及：G06N5/022；该发明授权一种多模态知识图谱稀疏信息增强系统是由张先超;孙凤松;曾丹;邓琨;戴亚盛;陆军设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种多模态知识图谱稀疏信息增强系统在说明书摘要公布了：本发明涉及一种多模态知识图谱稀疏信息增强系统，属于数据处理技术领域，包括：规则挖掘模块，对数据稀缺的知识图谱挖掘输出规则集；特征提取模块，以图谱的可学习结构向量为基础，同步提取实体结构、视觉、文本特征，经降维归一化后输出统一维度的三模态嵌入；打分模块，利用与模态对应的评分函数计算各模态得分，并通过可学习权重融合得到关系三元组的成立概率；规则集为骨架、所述成立概率为先验，结合已知事实与可学习规则权重，经全局概率传播输出未知事实的后验分布；变分推理模块，用于通过变分EM算法迭代优化后验分布，输出高置信度未知事实，完成知识图谱补全。本发明实现了低资源设置下多模态知识图推理的泛化能力和鲁棒性。

本发明授权一种多模态知识图谱稀疏信息增强系统在权利要求书中公布了：1.一种多模态知识图谱稀疏信息增强系统，其特征在于，包括： 规则挖掘模块，用于对数据稀缺的知识图谱挖掘并清洗无自反、无重复的逻辑规则，输出规则集； 特征提取模块，用于以图谱的可学习结构向量为基础，同步提取实体结构、视觉、文本特征，经降维归一化后输出统一维度的三模态嵌入； 打分模块，用于基于所述三模态嵌入，利用与模态对应的评分函数计算各模态得分，并通过可学习权重融合得到知识图谱的关系三元组的成立概率； 规则-后验模块，用于以所述规则集为骨架、所述成立概率为先验，结合已知事实与可学习规则权重，经全局概率传播输出未知事实的后验分布； 变分推理模块，用于通过变分EM算法迭代优化所述后验分布，输出高置信度未知事实，完成知识图谱补全； 所述特征提取模块以图谱的可学习结构向量为基础，同步提取实体结构、视觉、文本特征，经降维归一化后输出统一维度的三模态嵌入的过程，包括： 1初始化知识图谱的结构化实体嵌入，得到所有实体的可训练向量的初始值； 2取实体图像集通过预训练的ResNet逐张提特征，再经过均值池化后，得视觉向量； 3取实体文本集通过预训练的Transformer逐句提特征，再最大池化后，得文本向量； 4对视觉向量或文本向量中存在的视觉或文本信息缺失，采用标准正态随机向量对缺失的信息进行占位补齐； 5对视觉、文本向量做PCA降维到统一维度，通过L2归一化，得到实体e的图像单位向量和文本单位向量，作为实体的视觉模态嵌入和文本模态嵌入； 6输出由实体的可训练向量、视觉模态嵌入和文本模态嵌入构成的三模态嵌入； 变分推理模块中，变分EM算法的E步，包括： 1以三元组成立概率作为先验，得到每条实例规则中各谓词初始概率； 2在规则权重保持不变的条件下，仅更新近似后验分布； 3将联合概率拆解为“规则得分”与“熵惩罚”两部分，其中规则得分由各条实例规则的可信度连乘并按规则权重累加得到，熵惩罚用于防止分布过拟合； 4采用平均场假设，把整体后验近似成每个谓词独立取0或1的伯努利分布的乘积；其中，每个谓词取1的概率由前置的模态的自适应融合实时给出； 5通过梯度下降最小化整体目标，使近似后验同时逼近真实联合概率并保持最大熵； 6迭代至收敛后，输出更新后的谓词概率分布，供后续M步使用； 变分推理模块中，变分EM算法的M步，包括： 1在近似后验分布固定条件下，通过最大化完整数据对数似然更新规则权重； 2权重增量按已知事实与未知事实联合贡献比例更新； 3迭代至收敛后输出更新后的规则权重，供下一轮E步使用。

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嘉兴大学，其通讯地址为：314001 浙江省嘉兴市南湖区广穹路899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。