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！

龙图腾网获悉浙江大学申请的专利一种基于本体适配器的零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：CN113987201B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202111222330.1，技术领域涉及：G06F16/36；该发明授权一种基于本体适配器的零样本知识图谱补全方法是由陈华钧;耿玉霞;庄祥;张文设计研发完成，并于2021-10-20向国家知识产权局提交的专利申请。

本一种基于本体适配器的零样本知识图谱补全方法在说明书摘要公布了：本发明公开了一种基于本体适配器的零样本知识图谱补全方法，包括：获取对零样本知识图谱补全任务相关的本体知识，所述本体知识包括实体类型信息、概念层次关系信息、关系类型约束信息、关系的组合逻辑约束信息；基于神经网络为每类本体知识设计本体适配器，并将本体适配器增加到预训练语言模型后，利用每类本体知识对本体知识类型对应的增加有本体适配器的预训练语言模型进行任务训练，以注入每类本体知识，得到引入本体知识的预训练语言模型；利用引入本体知识的预训练语言模型进行下游零样本知识图谱补全任务。该方法基于本体知识增强的预训练语言模型，更好地解决零样本条件下知识图谱的补全问题。

本发明授权一种基于本体适配器的零样本知识图谱补全方法在权利要求书中公布了：1.一种基于本体适配器的零样本知识图谱补全方法，包括以下步骤： 获取对零样本知识图谱补全任务相关的本体知识，所述本体知识包括实体类型信息、概念层次关系信息、关系类型约束信息或关系的组合逻辑约束信息； 基于神经网络为每类本体知识设计本体适配器，并将本体适配器增加到预训练语言模型，其中，本体适配器包括多个适配器层，预训练语言模型为包含有全自注意力层的预训练语言模型；在预训练语言模型的每个全自注意力层后插入本体适配器的适配器层，同时适配器层之间相互连接，最后一层适配层的输出为本体适配器的输出； 利用每类本体知识对本体知识类型对应的增加有本体适配器的预训练语言模型进行任务训练，以注入每类本体知识，得到引入本体知识的预训练语言模型，包括： 当本体知识的类别为实体类型信息时，为注入实体类型信息，设计实体类型适配器，在任务训练时，将实体类型信息转化为自然语言语料，转化后的自然语言语料输入至增加有实体类型适配器的预训练语言模型，固定预训练语言模型的原参数，并通过掩码语言模型优化实体类型适配器的参数，以将实体类型信息注入到实体类型适配器，得到引入实体类型信息的预训练语言模型； 当本体知识的类别为概念层次关系信息时，为注入概念层次关系信息，设计概念层次适配器；采用以下两种方式进行任务训练：方式一：采用句子模板将概念层次关系信息转化语料，转化后的语料输入至增加有概念层次适配器的预训练语言模型，固定预训练语言模型的原参数，并通过掩码语言模型优化概念层次适配器的参数，以将概念层次关系信息注入到概念层次适配器，得到引入概念层次关系信息的预训练语言模型；和或，方式二：将每个概念表示为一个句子，具有层次关系的概念则共同组成具有前后上下文关系的文档，以此转化为语料，转化后的语料输入至增加有概念层次适配器的预训练语言模型，固定预训练语言模型的原参数，并通过下位句子预测方法优化概念层次适配器的参数，以将概念层次关系信息注入到概念层次适配器，得到引入概念层次关系信息的预训练语言模型； 当本体知识的类别为关系类型约束信息时，为注入关系类型约束信息，设计关系类型约束适配器，在任务训练时，将具有图结构特征的关系类型约束信息转化为语料，转化后的语料输入至增加有关系类型约束适配器的预训练语言模型，并通过掩码语言模型和结构信息恢复方法优化关系类型约束适配器的参数，以将关系类型约束信息注入到关系类型约束适配器，得到引入关系类型约束信息的预训练语言模型； 当本体知识的类别为关系的组合逻辑约束信息时，为注入关系的组合逻辑约束信息，设计组合逻辑适配器，采用以下两种方式进行任务训练：方式一：针对由多个关系形成的组合逻辑约束信息，采用句子模板将组合逻辑约束信息转化语料，转化后的语料输入至增加有组合逻辑适配器的预训练语言模型，固定预训练语言模型的原参数，并通过掩码语言模型优化组合逻辑适配器的参数，以将关系的组合逻辑约束信息注入到组合逻辑适配器，得到引入关系的组合逻辑约束信息的预训练语言模型；和或，方式二，针对由多个关系形成的组合逻辑约束信息，将参与组合的关系组合拼接表示一个句子，将由前述关系组合而成的语义关系表示另一个句子，两个句子形成具有前后上下文关系的文档，以此转化为语料，转化后的语料输入至增加有组合逻辑适配器的预训练语言模型，固定预训练语言模型的原参数，并通过下位句子预测方法优化组合逻辑适配器的参数，以将关系的组合逻辑约束信息注入到组合逻辑适配器，得到引入关系的组合逻辑约束信息的预训练语言模型； 利用引入本体知识的预训练语言模型进行下游零样本知识图谱补全任务。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。