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！

龙图腾网获悉东南大学申请的专利一种基于图神经网络和强化学习的事实验证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：CN115511082B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202211085132.X，技术领域涉及：G06N5/04；该发明授权一种基于图神经网络和强化学习的事实验证方法是由杨鹏;赵广振;查显宇;姚雨;戈妍妍设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本一种基于图神经网络和强化学习的事实验证方法在说明书摘要公布了：本发明公开了一种基于图神经网络和强化学习的事实验证方法，能够验证语料库中陈述语句和表格型数据中的事实是否相符，基于Transformer的图神经网络来模拟多步推理过程，步骤如下：首先，通过图神经网络将不同类型的边编码为独立的向量，并利用自注意力机制对提取的多粒度特征进行邻居信息聚合，然后，设计一个监控节点，根据强化学习的奖励反馈，在每个图神经网络层上选择合适的证据词，通过对多个图神经网络层的信息聚合，监控节点可捕获各种潜在的关键证据，进行最终验证。最后，为了更加有效地学习聚集的证据信息，本发明利用Transformer设计了能够更加充分利用表格中证据信息的多步推理框架，提高事实验证模型的准确性。

本发明授权一种基于图神经网络和强化学习的事实验证方法在权利要求书中公布了：1.一种基于图神经网络和强化学习的事实验证方法，其特征在于，所述方法包括以下步骤： 步骤1：获取表格文本表示； 步骤2：图构建及节点初始化； 步骤3：应用基于Transformer的图神经网络对图进行编码； 步骤4：由强化学习驱动的节点选择； 步骤5：进行二次更新以及模型的训练与测试； 其中，步骤3：应用基于Transformer的图神经网络对图进行编码，具体如下： 1采用基于Transformer的图神经网络对图数据进行编码，该数据能够将关系标签即边的类型id转换为可区分的向量； 2通过改进自注意力机制将边向量信息添加到计算query和key向量点积的过程中，实现相邻节点信息聚合； 3将多个头部自注意层连接起来，从独立参数空间中获得的向量信息进行融合，得到更深层次的表示； 步骤4：由强化学习驱动的节点选择，具体如下： 1在图中设计了一个监控节点并制定强化学习过程为监控节点选择有效的证据节点，该强化学习的Agent会在几个离散的时间步中与环境进行交互，基于强化学习的节点选择以每个节点的表示和邻接矩阵作为每个状态的输入； 2Agent应用一个策略网络来采样操作，即确定是否选择了每个节点，奖励将从行动中获得，然后优化策略网络，在具体例子中，每个图推理层为一个步骤，策略网络在每个步骤中对监控节点进行节点选择； 3采用强化学习算法对策略网络进行优化，通过策略梯度算法对参数进行更新。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。