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！

龙图腾网获悉电子科技大学(深圳)高等研究院;电子科技大学申请的专利基于图神经网络分层结构的知识图谱解释性文本生成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：CN119918511B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411973613.3，技术领域涉及：G06F40/166；该发明授权基于图神经网络分层结构的知识图谱解释性文本生成方法是由吕鹏辉;王若渊;汤志伟设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于图神经网络分层结构的知识图谱解释性文本生成方法在说明书摘要公布了：本发明公开了一种基于图神经网络分层结构的知识图谱解释性文本生成方法、系统和程序。该方法包括的步骤为：输入图及其对应节点特征、连边特征和邻接矩阵，将节点特征、连边特征分别转化为向量，将向量表示的节点特征、连边特征进行融合，对融合的向量进行编码；将输入的图划分为多个子图，对划分的子图、输入的图谱分别进行池化操作；将编码的融合向量、每个子图对应的特征向量、全图特征向量分别进行解码，得到节点文本、子图文本、全图文本；将节点文本、每个子图文本、全图文本依次生成具备分层结构的图谱解释文本。本发明能够生成具有高度组织性和连贯性的知识图谱描述性文本，生成的文本能够从细节到概要、从局部到全局准确反映图谱的结构和语义。

本发明授权基于图神经网络分层结构的知识图谱解释性文本生成方法在权利要求书中公布了：1.一种基于图神经网络分层结构的知识图谱解释性文本生成方法，其特征在于，包括以下步骤： 输入图谱及其对应的节点特征、连边特征和邻接矩阵，将所述节点特征、连边特征分别转化为向量表示，将向量表示的所述节点特征、连边特征进行融合，得到具有节点信息和对应边信息的融合向量，根据所述邻接矩阵，采用多头自注意力机制将所述融合向量的每个节点的特征与其邻居节点的特征进行多次加权求和，并将每次加权求和的结果进行拼接，拼接后线性变换映射至目标维度空间； 将输入的图谱划分为多个子图，对划分的子图、输入的图分别进行池化操作，得到每个子图对应的特征向量和全图特征向量； 将编码的所述融合向量、每个子图对应的特征向量、全图特征向量分别进行解码，得到所述融合向量对应的节点文本、每个子图特征向量对应的子图文本、全图特征向量对应的全图文本； 将所述节点文本、每个子图文本、全图文本依次生成总图谱解释文字，形成具备分层结构的图谱解释文本。

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电子科技大学(深圳)高等研究院;电子科技大学，其通讯地址为：518110 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。