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！

龙图腾网获悉燕山大学申请的专利基于邻域关系表征向量的知识图谱嵌入表示方法及系统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：CN115329094B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210910514.5，技术领域涉及：G06N5/025；该发明授权基于邻域关系表征向量的知识图谱嵌入表示方法及系统是由李志明;郭唯健;李婷婷设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本基于邻域关系表征向量的知识图谱嵌入表示方法及系统在说明书摘要公布了：本发明涉及一种基于邻域关系表征向量的知识图谱嵌入表示方法及系统，包括实体的邻域关系表征向量的生成、同类型实体集的划分以及同类型实体特征的提取与融合，本发明的目的基于实体的邻域关系类型及其数量，采用邻域关系表征向量的形式对实体的邻域关系特性进行数值性刻画，奠定了使用聚类方法对实体邻域关系向量相似性度量的基础，在知识图谱嵌入模型的训练过程中完成同类型实体特征的提取以及同类型实体特征与实体嵌入向量的融合。本发明为提取高质量的同类型实体特征以及增强知识图谱嵌入表示的准确性奠定了基础，给出了一种新的知识图谱嵌入表示方法，本发明方法还具有计算复杂度低、适用性好、同类型实体划分结果的可解释好等优点。

本发明授权基于邻域关系表征向量的知识图谱嵌入表示方法及系统在权利要求书中公布了：1.一种基于邻域关系表征向量的知识图谱嵌入表示方法，其特征在于，其包括以下子步骤： S1、生成实体的邻域关系表征向量，得到实体的邻域关系表征向量集合Ω； S2、生成同类型实体集，具体包括如下子步骤： S21、定义维度为2*m的向量max和min； S22、对max和min向量进行赋值； S23、对集合Ω中的任意实体邻域关系表征向量vi进行归一化处理，得到归一化处理后的邻域关系表征向量集合Ω'； S24、采用聚类方法将邻域关系表征向量集合Ω'中的实体邻域关系表征向量聚为K个簇，则按同簇的邻域关系表征向量从实体集合E中挑选相对应的实体ei，从而完成同类型实体集Ckk∈[1,K]的划分； S3、进行同类型实体特征的提取与融合，具体包括如下子步骤： S31、根据步骤S2生成的同类型实体集，确定实体ei所属的同类型实体集Ck； S32、根据同类型实体集Ck从基准知识图谱嵌入模型的实体嵌入矩阵中挑取相应的实体嵌入向量，并将各个实体嵌入向量按式2拼接为同类型实体嵌入矩阵Ek； 其中，||表示拼接操作，hi为同类型实体集Ck中实体ei的嵌入向量； S33、在基准知识图谱嵌入模型的训练过程中，采用式3所示的线性降维方式实现从同类型实体嵌入矩阵Ek中提取蕴含的实体类型特征tk； tk＝σWkEk3 其中，σ·为mish激活函数，Wk为线性变换矩阵，模型训练结束后，最终得到的tk即为同类型实体集Ck中所有实体的类型特征； S34、将实体类型特征tk与实体ei的嵌入向量hi进行串联拼接后，按式4所示将拼接后的特征向量输入至全连接层，从而得到融合实体类型特征tk后的实体嵌入向量e'i； e′i＝concathi,tkW+b4 其中，concat为将两个特征向量串行拼接的操作，hi为通过知识图谱嵌入模型得到的实体ei的嵌入向量，tk为实体ei所属类别的实体类型的特征向量表示，W∈Rdim1+dim2×dim1为权重矩阵，dim1为实体ei嵌入向量hi的维度，dim2为实体类型特征向量tk的维度，e'i为实体ei的嵌入向量hi融合实体类型特征向量tk后的嵌入向量表示，b为偏置参数； S35、按式5更新实体嵌入矩阵中实体ei的嵌入向量hi； hi＝e′i5 S36、在以基准知识图谱嵌入模型的评分函数和损失函数为约束的训练过程中，通过反向传播实现模型参数的不断更新，待模型训练结束时输出结果从而获得最终的实体类型特征tk以及融合实体类型特征后的实体嵌入向量hi。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市河北大街西段438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”。