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！

龙图腾网获悉北京邮电大学申请的专利多模态知识图谱补全模型训练方法、补全方法及设备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：CN120316721B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202510763231.6，技术领域涉及：G06F18/25；该发明授权多模态知识图谱补全模型训练方法、补全方法及设备是由杜军平;左宇轩;薛哲;寇菲菲;梁美玉设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本多模态知识图谱补全模型训练方法、补全方法及设备在说明书摘要公布了：本申请提供多模态知识图谱补全模型训练方法、补全方法及设备，涉及基于特定计算模型的计算机系统领域，方法包括：采用多模态知识图谱补全模型提取图像块特征向量、词特征向量和结构特征向量以及对应的视觉标记、文本标记和结构标记；并基于各个视觉标记、文本标记和结构标记，以图注意力机制获取各个实体的多模态融合特征数据；根据各个多模态融合特征数据对原始多模态知识图谱进行补全并计算补全后多模态知识图谱的目标损失以优化多模态知识图谱补全模型。本申请能够在补全模型训练过程中实现细粒度的多模态特征提取和应用，能够有效提高补全模型训练过程的可靠性及有效性，进而能够提高多模态知识图谱补全的准确性及可靠性。

本发明授权多模态知识图谱补全模型训练方法、补全方法及设备在权利要求书中公布了：1.一种多模态知识图谱补全模型训练方法，其特征在于，包括： 采用当前迭代轮次对应的多模态知识图谱补全模型，分别提取图像数据对应的各个图像块各自的图像块特征向量、文本数据对应的各个词元各自的词特征向量以及分别作为原始多模态知识图谱中不同节点的各个实体各自的结构特征向量；分别提取各个所述图像块特征向量各自所属的所述实体的多个视觉标记、各个所述词特征向量各自所属的所述实体的多个文本标记以及各个所述结构特征向量各自的多个结构标记；并根据各个所述实体各自的各个所述视觉标记、各个所述文本标记和各个所述结构标记，基于图注意力机制分别获取各个所述实体各自的多模态融合特征数据； 根据各个所述实体各自对应的多模态融合特征数据对所述原始多模态知识图谱进行补全处理以得到当前迭代轮次的目标多模态知识图谱，并计算所述目标多模态知识图谱对应的目标损失以优化所述多模态知识图谱补全模型； 所述多模态知识图谱补全模型包括：线性投影模型和邻居聚合模型； 相对应的，所述分别提取各个所述图像块特征向量各自所属的所述实体的多个视觉标记、各个所述词特征向量各自所属的所述实体的多个文本标记以及各个所述结构特征向量各自的多个结构标记，包括： 基于所述线性投影模型分别提取各个所述图像块特征向量各自对应的多个视觉标记以及各个所述词特征向量各自对应的多个文本标记； 以及，基于所述邻居聚合模型分别提取各个所述结构特征向量各自对应的多个结构标记。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。