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！

龙图腾网获悉武汉大学申请的专利面向金融风险知识图谱的动态关系预测方法及设备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：CN115658892B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211279273.5，技术领域涉及：G06F16/353；该发明授权面向金融风险知识图谱的动态关系预测方法及设备是由马费成;洪亮;张志剑;刘政昊;倪珍妮;夏苏迪设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本面向金融风险知识图谱的动态关系预测方法及设备在说明书摘要公布了：本发明提供了一种面向金融风险知识图谱的动态关系预测方法及设备。所述方法包括：步骤S1至步骤S8。本发明使用知识图谱的层级结构作为特征提取层的结构，并将命名实体的特征注入特征提取层的神经元中，特征提取层的神经元为不同的命名实体，特征提取层间的连接为命名实体间的关系，同时使用无监督的语言模型作为训练任务，对输入语句进行特征提取，进而对命名实体间的关系进行学习，保证实体间关系更新的及时性。

本发明授权面向金融风险知识图谱的动态关系预测方法及设备在权利要求书中公布了：1.一种面向金融风险知识图谱的动态关系预测方法，其特征在于，包括：步骤S1，对数据进行采集、预处理和数据集划分；步骤S2，构建企业风险库，该库由领域专家使用七步法构建，包含企业基本信息、企业股权信息、企业财务信息和企业风险信息；步骤S3，构建企业风险知识图谱，基于企业风险库，使用自顶向下的方式构建企业风险知识图谱；步骤S4，知识图谱向量化，使用TransE模型对知识图谱所包含知识进行训练，采用训练所得到的TransE模型将三元组形式的知识转化为知识向量；步骤S5，获取隐藏层结构，依据库层次结构抽取领域知识图谱结构，该结构作为后续神经网络模型隐藏层的结构；步骤S6，构建KGANN模型，该模型包括输入层、隐藏层和输出层三部分；其中输入层负责将输入语料转化为词向量，将步骤S1得到的数据集作为输入，通过BERT模型将数据进行向量化为；隐藏层使用步骤S2所得到的知识图谱结构，包括隐藏层层数、每层神经元个数、命名实体向量和关系向量，隐藏层神经元包含命名实体向量，隐藏层之间的连接使用关系向量代替，在模型进行训练的过程中，隐藏层间的连接学习到语料所含的语义信息，进而在BP反向传参的过程中对关系向量进行调整，使其更加符合当前的语义信息；输出层包括全连接层和功能实现层，其中全连接层将隐藏层的高维空间降至低维空间，功能实现层负责对完形填空任务中空缺的词进行预测，并将概率最高的词输出；步骤S7，使用数据集对S6所构建的KGANN模型进行训练，为防止过拟合现象的发生，使用early_stopping策略进行训练，直至模型收敛达到最佳效果，保存该模型，后续关系预测时使用；步骤S8，对KGANN模型中的连接矩阵进行分析，计算不同关系与现实关系的语义相似度，通过校准后得到新的关系。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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”。