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！

龙图腾网获悉华中农业大学申请的专利一种基于图神经网络的食品安全知识图谱构建与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：CN115563297B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211134812.6，技术领域涉及：G06F16/36；该发明授权一种基于图神经网络的食品安全知识图谱构建与补全方法是由向金海;翁永琳;倪福川;李国亮设计研发完成，并于2022-09-19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的食品安全知识图谱构建与补全方法在说明书摘要公布了：本发明提供了一种基于图神经网络的食品安全知识图谱构建与补全方法，通过获取与食品品类、食品添加剂、食品中农药残留相关的国家食品安全标准文件，通过数据清洗和格式化等操作将其处理为可以应用到知识图谱中的三元组，并构建起食品安全知识图谱的本体层模式架构；设计可以实现实体查询和可视化展示的食品安全知识图谱查询系统；根据预训练语言模型BERT生成食品安全知识图谱中实体名称的词向量；利用图神经网络架构将食品安全知识图谱中的文本信息和图结构信息进行特征融合，分别应用到实体分类和链接预测两项下游任务中，以达到知识图谱补全的目的。本发明提高了食品安全知识图谱的完整性和实用性，实现了食品安全标准信息的智能化应用。

本发明授权一种基于图神经网络的食品安全知识图谱构建与补全方法在权利要求书中公布了：1.一种基于图神经网络的食品安全知识图谱构建与补全方法，其特征在于：包括以下步骤： S1：采用包括网络爬虫和表格解析的手段提取食品安全国家标准信息，食品安全国家标准信息包括标准文件中的半结构化数据和非结构化数据； S2：基于半结构化数据并进行人工辅助标注，构建食品安全知识图谱的本体框架，利用本体框架进一步完善数据的提取方式； S3：根据本体框架和知识图谱的存储需要，对半结构化数据和非结构化数据进行格式化处理和数据清洗，得到csv格式的食品安全知识图谱三元组数据； S4：存储食品安全知识图谱三元组数据并构建可视化查询系统； S5：结合文本表示关系图卷积网络，包括BERT文本表示部分和R-GCN图结构信息部分；采用图神经网络和文本预训练模型BERT搭建实体分类模型，完成知识图谱实体分类任务；实体分类模型用于结合图的结构信息和实体的文本描述，将知识图谱表示从单一的网络结构表示拓展到结构和文本的共同表示，构建融合多源知识图谱信息的模型；通过文本预训练模型BERT得到实体描述的词向量表示，将词向量表示添加到实体表示中与原有的实体关系结构信息融合后，共同通过关系图卷积网络模型学习知识图谱表示； 实体分类模型包括一个输入层、若干个隐藏层和一个输出层； 实体分类模型的每一层都包含关系图卷积网络层R-GCN，关系图卷积网络层R-GCN用于对于训练集上的每一个节点分别根据节点表示和边的类型通过消息函数计算输出信息，以及聚合信息获得新的节点表示； 模型的输入层使用实体的类型和编号作为特征；输入层和隐藏层采用ReLU作为激活函数；最后一层的输出使用softmax用于分类； 在隐藏层中，输入层得到的节点表示分别经过多个关系图卷积网络层R-GCN和激活函数ReLU的计算；设是节点的索引集合，为类别总数，表示第层有标签的第个节点的第个类别的预测值，表示真实标签，则输出层得到的表示在所有有标签的节点上最小化交叉熵损失函数为： 4-1 在实体分类任务中，通过基函数分解的方式来降低模型的计算量；将BERT预训练模型得到的词向量嵌入到R-GCN模型的输出层用于得到最好的效果； S6：将R-GCN模型作为编码器得到三元组的表示，将打分函数作为解码器；构造基于编码器-解码器的链接预测模型的结构，包括BERT文本表示部分和R-GCN图结构信息部分；基于编码器-解码器的链接预测模型用于根据一个实体和它的关系结构预测可能与之具有某种特定关联的其他实体，通过预测知识图谱中缺失的三元组，基于打分函数判断三元组是否符合要求，从而完成知识图谱链接预测任务。

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华中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街1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。