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！

龙图腾网获悉复旦大学申请的专利一种基于知识图谱的深度学习模型推荐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：CN116108191B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211416498.0，技术领域涉及：G06F16/36；该发明授权一种基于知识图谱的深度学习模型推荐方法是由刘名威;陈碧欢;彭鑫;赵文耘设计研发完成，并于2022-11-13向国家知识产权局提交的专利申请。

本一种基于知识图谱的深度学习模型推荐方法在说明书摘要公布了：本发明属于软件工程技术领域，具体为一种基于知识图谱的深度学习模型推荐方法。本发明方法包括：模型知识图谱构建方法，以开源代码仓库和组件相关的文本语料为输入，输出一个融合AI仓库、模型、组件、实现等知识的模型知识图谱；模型推荐方法，以已有的且需要修改的模型实现代码为输入，输出多个最相似的模型参考实现，以及对应的解释信息；解释信息中包含模型使用的组件、组件之间的关系、组件相关的描述性知识等。本发明基于融合多源知识的模型知识图谱，根据用户输入的模型的代码，在高层语义上进行匹配模型架构，从而得到相似的模型。本发明充分利用人工智能领域的背景知识，促进深度学习模型实现的重用，提高AI应用开发人员的开发效率。

本发明授权一种基于知识图谱的深度学习模型推荐方法在权利要求书中公布了：1.一种基于知识图谱的深度学习模型推荐方法，其特征在于，分为离线的模型知识图谱构建方法和在线的模型推荐方法两个部分，实现深度学习模型推荐； 一离线的模型知识图谱构建方法，以开源代码仓库和组件相关的文本语料为输入，输出一个融合多源知识的模型知识图谱，多源知识包括AI仓库、模型、组件、实现方式相关知识；包括： 首先，利用训练好的分类器识别出AI相关的开源仓库； 接着，从仓库代码中抽取出模型的实现类，再通过抽象语法树分析和启发式规则从模型实现的代码中抽取出组件和组件之间的依赖关系； 然后，基于前后缀的模式挖掘方法，从模型和组件中挖掘出高层的语义概念，并将组件的高层概念与PapersWithCode中提供的组件类型进行链接； 此外，从组件的文本语料中，利用依存关系解析和词性标注抽取组件的特性，利用启发式规则抽取出组件的描述，基于开放信息抽取技术抽取组件之间的开放关系； 二在线的模型推荐方法，以已有的且需要修改的模型实现代码为输入，输出是多个最相似的模型参考，以及对应的解释信息；解释信息中包含模型使用的组件、组件之间的关系、组件相关的描述性知识；包括： 首先，从输入的需要修改的模型的实现代码中识别出模型使用的组件和组件之间的依赖关系； 然后，其将识别出的组件映射到模型知识图谱中的高层概念，搜索存在相同高层概念的模型实现作为候选的模型实现； 最后，通过图的核方法，其计算每个候选模型与输入模型各自对应的高层概念关系图之间的相似度，并按照相似度进行排序和聚类，筛选出最相似的前k个模型实现作为模型的参考实现，以及对应的解释； 其中，基于融合多源知识的模型知识图谱，根据用户输入的模型实现代码，并在高层语义上进行匹配模型架构，从而得到相似的模型参考；通过融合多源知识构建模型知识图谱，充分利用人工智能领域的背景知识，促进深度学习模型实现的重用，提高AI应用开发人员的开发效率。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。