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！

龙图腾网获悉江苏开放大学(江苏城市职业学院)申请的专利基于动量更新对比学习框架的多模态知识图谱推荐方法及装置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：CN117151199B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202311162961.8，技术领域涉及：G06N3/0895；该发明授权基于动量更新对比学习框架的多模态知识图谱推荐方法及装置是由魏子涵;王珂;李凤霞;赖文涛;沈言玉;赵宇航设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本基于动量更新对比学习框架的多模态知识图谱推荐方法及装置在说明书摘要公布了：本发明提供了一种基于动量更新对比学习框架的多模态知识图谱推荐方法及装置，涉及计算机技术领域。本多模态知识图谱推荐方法包括多模态数据集构建、多模态注意力机制、动量更新、知识图谱对比学习、多任务学习五个环节。本发明可在有效解决视觉文本两种类型表征之间潜在不一致性的担忧，同时有效利用多模态信息计算节点相似性，有效对用户进行物品推荐，在三个数据集上模型效果都很优秀。方法简单有效，对于提高多模态知识图谱推荐模型的效果具有一定的理论价值与实践意义。

本发明授权基于动量更新对比学习框架的多模态知识图谱推荐方法及装置在权利要求书中公布了：1.基于动量更新对比学习框架的多模态知识图谱推荐方法，其特征在于，包括如下步骤： S1、确定初始实体，采集与所述初始实体关联度在预定区间内的文本信息和图片信息，基于所述文本信息和图片信息构建形成多模态知识图谱数据集； S2、将所述多模态知识图谱数据集合并至由若干实体连接组成的连接网络中，并和所述初始实体相结合，从而获得第二实体数据；引入多模态注意力机制表示连接网络中头尾实体之间的传导系数； S3、建立编码器，将所述第二实体数据导入所述编码器进行动态更新，得到第三实体样本，根据所述第三实体样本计算动量对比学习损失； S3-1、建立两个编码器q和k，编码器k中的参数根据上一轮训练时q和k的参数进行动态更新； S3-2、经过k编码器的实体向量进入一个固定长度的队列，同时队列中最早的实体向量会出列； S3-3、计算动量对比学习损失时，经过两个编码器的实体作为正样本，队列中的实体作为负样本； ； 式中，表示编码器k中参数；表示编码器q中参数；m表示动量更新参数； 在执行步骤S3-3时，若引入错误的负样本，则将队列中与正样本相似度大于阈值的负样本判定为正样本： ； 式中，表示负样本的权重；表示编码器q中的样本；表示编码器k中的样本；Sim*表示通过点乘获得两个编码器中样本相似度；表示相似度阈值； 在计算损失函数时不考虑这部分错误的负样本： 式中，表示动量对比学习目标函数；表示正样本；K表示队列长度；表示控制温度系数的超参数； S4、在所述多模态知识图谱数据集上生成2N个不同的子视图，其中N个用于普通对比学习，输出普通对比学习信号；N个用于动量对比学习，输出动量对比学习信号； S5、利用所述普通对比学习信号和动量对比学习信号，执行多任务学习。

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江苏开放大学(江苏城市职业学院)，其通讯地址为：210036 江苏省南京市鼓楼区江东北路399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。