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！

龙图腾网获悉天津大学申请的专利基于潜在邻居感知的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：CN120806099B 。

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：202511254379.3，技术领域涉及：G06N5/022；该发明授权基于潜在邻居感知的知识图谱补全方法是由张文彬;徐天一;刘焱宁;郭九江;喻梅设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本基于潜在邻居感知的知识图谱补全方法在说明书摘要公布了：本公开的实施例公开了基于潜在邻居感知的知识图谱补全方法。该方法的一具体实施方式包括：获取现有知识图谱，其中，现有知识图谱包含实体集，关系集和三元组集；确定每两个实体之间的邻域相似度，得到实体邻域相似度集；根据实体邻域相似度集，确定现有知识图谱对应的知识图谱全局图；对知识图谱全局图进行隐含关联特征提取，得到实体嵌入向量集和关系嵌入向量集；根据实体嵌入向量集和关系嵌入向量集，确定每个补全三元组的得分，得到补全三元组得分集；根据补全三元组得分集中满足预设条件的每个补全三元组得分对应的补全三元组，对现有知识图谱进行补全，得到更新知识图谱。该实施方式可以补全知识图谱，减少计算资源的浪费。

本发明授权基于潜在邻居感知的知识图谱补全方法在权利要求书中公布了：1.一种基于潜在邻居感知的知识图谱补全方法，包括： 从数据库中获取现有知识图谱，其中，所述现有知识图谱包含实体集，关系集和三元组集，三元组是由头实体，关系，尾实体组成的有序组，所述头实体和尾实体属于所述实体集，所述关系属于所述关系集； 确定所述实体集中每两个实体之间的邻域相似度，得到实体邻域相似度集，包括： 对所述实体集中的每个实体进行关系属性特征提取以生成入边关系属性特征和出边关系属性特征，得到入边关系属性特征集和出边关系属性特征集，包括： 将所述三元组集中尾实体是所述实体的每个三元组中的头实体和关系确定为入边组，得到入边组集，所述入边组集也称为所述实体的入边子图，所述入边子图表示为： ， 其中，表示实体的入边子图，代表了邻接关系为入边，表示实体的入边组，表示头实体，关系和尾实体组成的三元组，表示所述三元组集； 将所述三元组集中头实体是所述实体的每个三元组中的尾实体和关系确定为出边组，得到出边组集，所述出边组集也称为所述实体的出边子图，所述出边子图表示为： ， 其中，表示实体的出边子图，代表了邻接关系为出边，表示实体的出边组，表示头实体，关系和尾实体组成的三元组； 通过以下公式，确定所述实体对应的入边方向感知向量和出边方向感知向量， ， 其中，表示所述实体的入边方向感知向量或出边方向感知向量，代表实体邻接关系的不同方向，代表关系为入边，代表关系为出边，当dir为i时，表示入边方向感知向量，当dir为o时，表示出边方向感知向量，表示预设的邻接方向感知向量，所述邻接方向感知向量的元素值随机设置，表示哈达玛积，表示用于确定方向感知向量的可学习的参数矩阵，表示用于确定方向感知向量的偏置参数向量； 根据所述入边组集和所述出边组集，确定所述实体的入边关系分布感知向量和出边关系分布感知向量，其中，将所述现有知识图谱视为一个三维二值张量，该张量的维度为A×B×A；通过以下公式，对所述张量进行压缩，得到入边矩阵和出边矩阵：，其中，表示入边矩阵，表示出边矩阵，和表示三维二值张量，维度为A×B×A，，；通过以下公式，对所述入边矩阵和所述出边矩阵进行归一化处理，得到归一化入边矩阵和归一化出边矩阵：，其中，表示归一化入边矩阵或归一化出边矩阵，当dir为i时，的第v行代表了实体v作为尾实体的入边关系分布感知向量；当dir为o时，的第v行代表了实体v作为头实体的出边关系分布感知向量，记为； 根据所述入边方向感知向量，所述出边方向感知向量，所述入边关系分布感知向量，所述出边关系分布感知向量，通过以下公式，确定所述实体对应的入边关系属性特征和出边关系属性特征： ， 其中，表示实体的入边关系属性特征或出边关系属性特征，表示融合权重参数向量，其中每个元素范围在0,1之间，为用于确定关系属性特征的可学习的参数矩阵，将关系分布感知向量的维度变换为d维，为用于确定关系属性特征的偏移参数向量； 对所述实体集中的每个实体，执行如下邻域特征提取步骤以生成实体邻域特征，得到实体邻域特征集： 对所述实体对应的每个邻居实体进行子图特征提取以生成邻居入边子图特征和邻居出边子图特征，得到邻居入边子图特征集和邻居出边子图特征集； 根据所述邻居入边子图特征集，所述邻居出边子图特征集，所述实体对应的入边关系属性特征和出边关系属性特征，确定实体邻域特征； 根据所述实体邻域特征集，确定所述实体集中的每个实体与其余实体之间的实体邻域相似度，得到实体邻域相似度集； 根据所述实体邻域相似度集，确定所述现有知识图谱对应的知识图谱全局图； 对所述知识图谱全局图进行隐含关联特征提取，得到实体嵌入向量集和关系嵌入向量集； 根据所述实体嵌入向量集和所述关系嵌入向量集，确定补全三元组集中每个补全三元组的得分，得到补全三元组得分集，其中，补全三元组是由所述实体集中的实体和所述关系集中的关系组成的三元组，补全三元组不包含在所述三元组集中； 根据所述补全三元组得分集中满足预设条件的每个补全三元组得分对应的补全三元组，对所述现有知识图谱进行补全，得到更新知识图谱，以及，利用所述更新知识图谱替换所述数据库中的所述现有知识图谱； 获取用户的提问内容，其中，所述提问内容包含提问文本或提问语音； 对所述提问内容进行语义提取，得到提问实体和提问关系； 根据所述更新知识图谱，对所述提问实体和所述提问关系进行知识关联，得到回答实体，以及对所述回答实体进行显示。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。