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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于负采样和加权的知识图谱嵌入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：CN119578523B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411575409.6，技术领域涉及：G06N5/022；该发明授权基于负采样和加权的知识图谱嵌入方法是由张鹏飞;何菁阳;杜振国;胡艳丽;谭真;肖卫东;赵翔;马武彬设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本基于负采样和加权的知识图谱嵌入方法在说明书摘要公布了：本发明公开了基于负采样和加权的知识图谱嵌入方法，步骤包括：获取医药数据集；基于预训练得到的嵌入向量和设计的高质量候选负样本集构建策略，为所有正三元组采样高质量的候选负样本集；根据基于翻译的知识图谱嵌入模型，计算三元组及其对应的负三元组的评分函数值；统计出数据集中的相关频次数据，计算每个三元组的基于频次的权重；根据评分函数值以及权重，计算三元组集的损失L，得到训练框架最终的损失函数；采用随机梯度下降法来优化训练模型的损失函数；输出药物与疾病、症状之间的潜在关联关系。本申请提升模型的负采样质量，通过对损失函数进行加权缓解长尾实体、关系对模型训练造成的不良影响，提高模型训练性能。

本发明授权基于负采样和加权的知识图谱嵌入方法在权利要求书中公布了：1.基于负采样和加权的知识图谱嵌入方法，其特征在于，包括以下步骤： 获取医药数据集，医药数据集中的实体包括药物、疾病、症状； 基于预训练得到的嵌入向量和设计的高质量候选负样本集构建策略，为所有正三元组采样高质量的候选负样本集； 根据基于翻译的知识图谱嵌入模型，计算三元组及其对应的负三元组的评分函数值； 统计出数据集中的相关频次数据，计算每个三元组的基于频次的权重Wf； 根据评分函数值以及Wf，计算三元组集的损失L，得到训练框架最终的损失函数； 采用随机梯度下降法SGD来优化训练模型的损失函数，学习基于翻译的知识图谱嵌入模型的最优参数，包括最优的嵌入向量h,r,t，h,t,r分别为三元组中头实体、尾实体的嵌入向量、关系的嵌入向量； 输出药物与疾病、症状之间的潜在关联关系； 其中，模型训练的损失函数L定义为： 其中，h,r,t和h',r,t'分别表示正三元组和负三元组，S和S'分别表示正三元组集和负三元组集； 在损失函数中增加基于三元组频次的权重因子，根据参与训练的三元组中实体和关系在数据集中出现的频次，为三元组的损失函数设置不同的权重；具体来说，为频次较高的实体和关系赋予较低的权重，而为频次较低的实体和关系赋予较高的权重，通过这种方式，增加对长尾实体和关系的训练关注度，以期学习出更好的嵌入；定义三元组基于三元组频次的权重因子Wf为： 其中，fh,ft,fr分别表示实体h,t及关系r在数据集中出现的频次，,分别表示该数据集中实体和关系的中位频次，按照二八定律，将中位频次定义为按照出现的频次从高到低排名20%的实体和关系的频次，wh、wt、wr分别是实体h,t及关系r的频次权重因子； 基于三元组频次的权重因子Wf，对于低频三元组，即三元组中的实体和者关系都是出现频次低于中位频次的低频实体和关系，该低频实体或关系的权重大于1，低频三元组的损失函数中的Wf权重值大于1，从而在训练中提高对于低频实体和关系的关注；同理，对于高频三元组，即三元组中都是出现频次高于中位频次的高频实体和关系，该高频实体或关系的权重小于1，高频三元组的损失函数中的Wf权重将小于1，从而在训练中降低对于这些高频实体、关系的关注； 将基于三元组频次的权重因子Wf应用于模型训练的损失函数，得到： 。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。