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！

龙图腾网获悉海南大学申请的专利面向新闻领域的时序知识图谱链路预测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：CN116737943B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202310421320.3，技术领域涉及：G06F16/36；该发明授权面向新闻领域的时序知识图谱链路预测方法是由冯思玲;吉训漾;黄梦醒;刘倩;刘慧舟;毋媛媛设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本面向新闻领域的时序知识图谱链路预测方法在说明书摘要公布了：本发明公开面向新闻领域的时序知识图谱链路预测方法，包括步骤：将预处理后的新闻数据集转换为静态知识图谱；为静态知识图谱的每个实体节点和关系边添加时间戳信息，并通过滑动时间窗口裁剪为若干个时间子图，形成时序知识图谱；对时序知识图谱进行编码，获得时序编码向量；采用时间向量生成器生成周期性和非周期性时间向量，将周期性和非周期性时间向量与时序编码向量结合组成嵌入矩阵；构建Time‑ConvKB模型，将嵌入矩阵嵌入Time‑ConvKB模型中，获得预测结果。本发明能够解决传统知识图谱在新闻领域上的数据稀疏性，提高了模型的预测准确性，更好的反应新闻数据的时效性，提高预测的实用性。

本发明授权面向新闻领域的时序知识图谱链路预测方法在权利要求书中公布了：1.面向新闻领域的时序知识图谱链路预测方法，其特征在于，包括如下步骤： 获取新闻数据集并预处理，将预处理后的新闻数据集转换为静态知识图谱； 为所述静态知识图谱的每个实体节点和关系边添加时间戳信息，并通过滑动时间窗口裁剪为若干个时间子图，形成时序知识图谱； 利用引入注意力机制的CNN-LSTM模型对所述时序知识图谱进行编码，获得时序编码向量； 采用时间向量生成器生成周期性和非周期性时间向量，将周期性和非周期性时间向量与所述时序编码向量结合组成嵌入矩阵； 构建基于ConvKB的Time-ConvKB模型，将所述嵌入矩阵嵌入Time-ConvKB模型中，获得预测结果，包括如下步骤： 设编码过后的主体实体向量为，客观实体向量为，关系向量为，周期性和非周期性时间向量为和，则四元组定义为k×5的嵌入矩阵； 将嵌入矩阵通过一个k×5的滤波器来提取嵌入矩阵相同维度项之间的全局关系，生成不同的特征映射； 得到映射之后，Time-ConvKB的预测向量P如下所示： ； 其中Ω和w为共享参数，表示卷积算子，concat表示连接操作符，损失函数的公式如下所示： ； 其中，，是有效四元组中进行损坏生成的无效四元组的集合，将预测向量P通过sigmoid函数转换为概率值，获得预测结果。

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海南大学，其通讯地址为：570100 海南省海口市人民大道58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。