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！

龙图腾网获悉电子科技大学申请的专利一种基于强化学习的小样本知识图谱补全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：CN117150041B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202311112645.X，技术领域涉及：G06F16/36；该发明授权一种基于强化学习的小样本知识图谱补全方法是由解修蕊;孙国林;段贵多;罗光春;刘文泊;田茂君;曾诚设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于强化学习的小样本知识图谱补全方法在说明书摘要公布了：本发明涉及知识图谱推理技术，其公开了一种基于强化学习的小样本知识图谱补全方法，解决现有技术存在的可解释性问题和知识图谱数据稀疏性问题，其包括：根据输入的头实体作为当前步的智能体、以智能体和关系作为决策网络的输入构建动作空间，其中，输入的头实体为上一步推理获得的尾实体，动作空间包括知识图谱中与其具有相同头实体和关系的已有动作空间，以及基于头实体和目标关系利用元学习网络推理获得的额外动作空间；接着，基于决策网络的策略函数，根据动作空间确定当前步的动作，进而获得当前步的推理结果，最后，判定推理结果是否符合要求，若符合则完成补全；若不符合，则继续迭代，根据当前步推理结果再次进行推理。

本发明授权一种基于强化学习的小样本知识图谱补全方法在权利要求书中公布了：1.一种基于强化学习的小样本知识图谱补全方法，其特征在于，该方法包括： S1、输入待补全三元组h0，r，？，其中，h0表示待补全三元组的头实体，r表示目标关系，？表示待补全的尾实体；以头实体h0和目标关系r作为决策网络t0时刻的初始输入； S2、以输入的头实体作为决策网络在当前时间步t的智能体；基于输入的头实体和目标关系，更新决策网络在当前时间步t状态St： St＝ht，r，Et 其中，ht表示当前时间步t输入的头实体，Et表示智能体的历史路径表示，其初始值为空； 基于输入的头实体和目标关系，构建决策网络在当前时间步t的动作空间At，所述动作空间At包括以下两部分： 基于待补全知识图谱所构建的已存动作空间其中，表示在待补全知识图谱的三元组集合中头实体为ht、关系为r的第k个三元组的尾实体； 利用待补全知识图谱的元学习网络，提取目标关系r的元表征，并基于头实体ht和目标关系r的元表征，推理得到额外动作空间其中，表示经元学习网络推理得到的第l个三元组的尾实体，rl表示待补全知识图谱中所对应三元组中的关系； S3、基于决策网络的策略函数，由动作空间At中确定当前时间步t的动作at，基于采取该动作at所获得的尾实体et，构建当前时间步的推理结果h0，rt′，et，其中，r′t表示历史路径所经过实体关系的Hadamard积，并表示为 表示Hadamard积，rt表示待补全知识图谱中尾实体et所对应三元组中的关系； S4、基于当前时间步的推理结果h0，rt′，et，判断rt′与r之间以及et与h0+r之间的相似性，若满足预设的相似性阈值，是则完成补全；否则，基于当前时间步推理结果的尾实体et，构建决策网络在下一时间步的头实体ht+1；基于当前时间步t的动作at更新智能体的历史路径表示Et；然后，返回步骤S2； 所述决策网络和元学习网络在进行小样本知识图谱补全前，按如下步骤进行训练： B1、利用待补全知识图谱构建支持集和查询集，并基于支持集和查询集对元学习网络进行训练，获得完成训练的待补全知识图谱的元学习网络； B2、将完成训练的元学习网络，嵌入策略网络，作为策略网络中额外动作空间的推理模块，然后，利用待补全知识图谱中的三元组作为训练三元组，对策略网络进行训练。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。