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！

龙图腾网获悉浙江大学申请的专利基于图神经网络与对抗学习的多模态知识图谱补全方法和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：CN117009547B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310888462.0，技术领域涉及：G06F16/36；该发明授权基于图神经网络与对抗学习的多模态知识图谱补全方法和装置是由陈华钧;张溢弛;张文设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本基于图神经网络与对抗学习的多模态知识图谱补全方法和装置在说明书摘要公布了：本发明公开了一种基于图神经网络与对抗学习的多模态知识图谱补全方法和装置，包括：将多模态知识图谱中的三元组数据转化成异构图，同时对实体图像信息进行特征提取得到原实体模态特征；构建包含异构图卷积网络、模态特征生成器以及模态特征判别器的学习模型；采用对抗学习方式对学习模型进行训练后，利用模态特征生成器和模态特征判别器为每个实体生成实体模态特征；将实体模态特征和实体结构特征作为多模态知识图谱补全模型的初始化结果，并基于正负样本对比训练多模态知识图谱补全模型；使用多模态知识图谱补全模型中训练好的实体表示和关系表示以及定义的打分函数，为候选三元组进行打分，基于打分结果进行知识图谱补全，提高补全准确性。

本发明授权基于图神经网络与对抗学习的多模态知识图谱补全方法和装置在权利要求书中公布了：1.一种基于图神经网络与对抗学习的多模态知识图谱补全方法，其特征在于，包括以下步骤： 步骤1，将多模态知识图谱中的三元组数据转化成异构图，同时对多模态知识图谱中的实体图像信息进行特征提取得到原实体模态特征； 步骤2，构建包含异构图卷积网络、模态特征生成器以及模态特征判别器的学习模型，其中，异构图卷积神经网络提取异构图中实体结构信息的实体结构特征，模态特征生成器根据随机噪声和实体结构特征为实体生成对应的实体模态特征，模态特征判别器判别成对输入的原实体模态特征和实体模态特征是否对应同一实体； 步骤3，采用对抗学习方式对学习模型进行训练后，利用训练后的模态特征生成器和模态特征判别器为多模态知识图谱中的每个实体生成实体模态特征； 步骤4，将步骤3获得的实体模态特征和经过异构图卷积网络编码得到的实体结构特征，作为多模态知识图谱补全模型的初始化结果，并基于正负样本对比训练多模态知识图谱补全模型； 步骤5，使用多模态知识图谱补全模型中训练好的实体表示和关系表示以及定义的打分函数，为候选三元组进行打分，基于打分结果进行知识图谱补全。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。