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！

龙图腾网获悉大连理工大学申请的专利一种基于多视图语义增强的小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：CN115809346B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211563351.4，技术领域涉及：G06F16/36；该发明授权一种基于多视图语义增强的小样本知识图谱补全方法是由马瑞新;吴浩;王维鹤;王晓如;马云龙设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本一种基于多视图语义增强的小样本知识图谱补全方法在说明书摘要公布了：一种基于多视图语义增强的小样本知识图谱补全方法。通过结合结构视图、文本视图以生成实体及关系的嵌入表示，通过自适应注意力机制解决实体隐含的常识知识对三元组的影响，然后考虑实体在不同关系下拥有不同的常识信息来聚合实体的邻域信息；内外优化复杂关系处理通过常识语义约束，将具有相同不同常识知识的嵌入定位到相同不同的语义空间中，然后在内部优化过程中利用常识视图和复杂关系的特点，对负采样过程实现监督以生成有效且高质量的负样本，并学习复杂关系的表示和超平面参数，之后在外部优化过程更新全部参数以使模型获得更优的结果；通过常识视图过滤掉候选实体中不符合常识知识的实体，输出最终的候选实体排名。

本发明授权一种基于多视图语义增强的小样本知识图谱补全方法在权利要求书中公布了：1.一种基于多视图语义增强的小样本知识图谱补全方法，其特征在于，具体包括以下步骤： 步骤1：在小样本知识图谱上使用多视图联合编码器，通过结合结构视图、文本视图以生成实体及关系的嵌入表示； 步骤1.1：结构视图嵌入 应用TransH对小样本知识图谱进行预训练，将小样本知识图谱映射到关系空间中，得到可处理反向关系、复杂关系的初始化嵌入表示；其中，通过结构视图的实体和关系的结构嵌入分别表示为： ； 其中，为结构视图设置的向量维度；为实体的结构嵌入；为关系的结构嵌入； 步骤1.2：文本视图嵌入 应用uSIF为小样本知识图谱中每个实体及关系的描述信息生成嵌入；通过文本视图的实体及关系的文本嵌入表示分别表示为： ； 其中，为文本视图设置的向量维度；为实体的文本嵌入；为关系的文本嵌入； 步骤1.3：信息聚合 使用结构视图投影矩阵和文本视图投影矩阵将实体的结构嵌入和实体的文本嵌入映射到同一个表示空间中： ； ； 引入自适应注意力机制，使模型能自适应调整结构视图与文本视图的参与程度；同时通过合并结构视图与文本视图的信息来得到实体的表示，具体过程如下： ； ； ； 其中，分别为可学习的参数，表示结合结构视图及文本视图的实体嵌入；为结构视图的自适应注意力机制系数；为文本视图的自适应注意力机制系数； 关系的表示： ； 步骤1.4：聚合邻域 为了增强每个实体在小样本知识图谱中的嵌入表示，聚合实体的邻域信息以优化实体嵌入；具体来说，在实体的一阶邻居聚合过程中引入常识视图，并将其与相耦合，得到实体的嵌入表示： ； ； ； 其中，为线性变换矩阵，和为可学习的参数，为激活函数；为实体一阶领域内包含的邻居实体； 步骤2：通过内外优化处理复杂关系； 步骤3：多视图链接预测； 通过常识视图下以过滤掉候选实体中不符合常识知识的实体；具体来说，定义符合常识知识的尾实体概念集为： ； 其中，对于外部优化过程中预测出的实体，要判断其常识知识是否属于集合； 步骤4：模型优化 训练目标为最小化元训练任务中所有任务的查询损失的总和，损失定义如下：

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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”。

以上内容由龙图腾AI智能生成。