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！

龙图腾网获悉同方赛威讯信息技术有限公司;同方股份有限公司申请的专利一种基于图神经网络的司法证据图谱构建及矛盾检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：CN121301487B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511871476.7，技术领域涉及：G06F16/28；该发明授权一种基于图神经网络的司法证据图谱构建及矛盾检测方法是由黄尚强;韩林俊;陈曦;刘国勤;付莉设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种基于图神经网络的司法证据图谱构建及矛盾检测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的司法证据图谱构建及矛盾检测方法，包括以下步骤：通过司法人员终端导入多模态证据，并添加标签后传输至后台服务器；通过后台服务器对司法人员终端上传的多模态证据进行存储和标准化预处理，得到标准化证据文本集；对标准化证据文本集中的每条数据进行证据实体提取，得到实体列表；对实体列表中的实体进行关系预测，生成实体‑关系对列表；根据实体‑关系对列表，构建初始司法证据图谱；基于图神经网络和司法证据本体库，对初始司法证据图谱进行优化，得到优化后司法证据图谱；根据优化后的司法证据图谱，进行显性矛盾和隐形矛盾的检测。本发明实现了多模态证据的在整合，并能够有效识别显性和隐性矛盾。

本发明授权一种基于图神经网络的司法证据图谱构建及矛盾检测方法在权利要求书中公布了：1.一种基于图神经网络的司法证据图谱构建及矛盾检测方法，其特征在于：包括以下步骤： 步骤S1.通过司法人员终端导入多模态证据，并添加标签后传输至后台服务器； 步骤S2.通过后台服务器对司法人员终端上传的多模态证据进行存储和标准化预处理，得到标准化证据文本集； 步骤S3.对标准化证据文本集中的每条数据进行证据实体提取，得到实体列表； 步骤S4.对实体列表中的实体进行关系预测，生成实体-关系对列表； 步骤S5.根据实体-关系对列表，构建初始司法证据图谱； 步骤S6.基于图神经网络和司法证据本体库，对初始司法证据图谱进行优化，得到优化后司法证据图谱； 所述步骤S6包括：采用GraphSAGE图神经网络模型，模型分为3层，分别为输入层、隐藏层、输出层； 将初始司法证据图谱所有节点及其属性，通过One-Hot编码的方式，编译为节点特征向量，将初始司法证据图谱中所有边及其属性，通过One-Hot编码的方式，编译为边特征向量； 输入层：加载初始司法证据图谱的节点特征向量与边特征向量； 隐藏层：采用均值聚合函数聚合每个节点的邻居节点特征，结合边特征调整聚合权重，使用ReLU激活函数增强模型非线性拟合能力，避免梯度消失； 输出层：输出节点嵌入向量，包含节点与邻居节点的关联信息，同时对初始司法证据图谱结构进行优化：剔除关系置信度＜0.5的边，补全初始司法证据图谱的缺失边； 输出结果：生成优化后司法证据图谱，包含节点嵌入向量； 步骤S7.根据优化后的司法证据图谱，进行显性矛盾和隐形矛盾的检测； 显性矛盾是指同一实体在不同证据中的属性表述冲突，检测过程包括： 基于优化后司法证据图谱的节点关联关系，通过Cypher查询语句筛选同一实体在不同证据中的表述文本； 将同一实体的不同表述文本输入司法BERT模型； 采用余弦相似度公式计算同一实体任意两个不同表述文本对应的语义向量的语义相似度，在语义相似度小于设定的显性矛盾判断阈值时，则判断为潜在的显性矛盾； 隐形矛盾是指关联实体间的逻辑冲突，检测过程包括： 基于优化后司法证据图谱的节点关联关系，通过GraphSAGE模型的邻居节点查询功能，筛选符合隐性矛盾场景类别的实体对，形成关联实体对-关联证据-案件领域映射表； 从优化后司法证据图谱中调取关联实体对的节点嵌入向量，用余弦相似度公式计算向量相似度，在语义相似度小于设定的隐性矛盾判断阈值时，则判断为潜在的隐性矛盾。

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同方赛威讯信息技术有限公司;同方股份有限公司，其通讯地址为：610000 四川省成都市高新区科园二路10号2栋1单元16层1、2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。