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！

龙图腾网恭喜湖南工商大学申请的专利一种知识图谱补全方法及相关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：CN118278519B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202410704741.1，技术领域涉及：G06N5/025；该发明授权一种知识图谱补全方法及相关设备是由任剑;唐道谭;韩继伟;詹敏;熊超设计研发完成，并于2024-06-03向国家知识产权局提交的专利申请。

本一种知识图谱补全方法及相关设备在说明书摘要公布了：本发明提供了一种知识图谱补全方法及相关设备，包括：通过获取待补全知识图谱中缺失三元组的文本描述和尾实体预测类型描述，基于尾实体预测类型来限制候选实体集的生成；将候选实体集中的每一个候选实体与待补全三元组进行组合得到的多个完整三元组和多个完整三元组的文本信息嵌入向量分别输入文本语义信息模型和嵌入表示学习模型进行信息提取，从而得到每个候选实体的文本语义信息得分值和嵌入表示学习得分值，从文本语义信息和结构信息两个方面得到每个候选实体的总得分值，从而提高了知识图谱补全的准确度。

本发明授权一种知识图谱补全方法及相关设备在权利要求书中公布了：1.一种知识图谱补全方法，其特征在于，包括：步骤1，获取待补全知识图谱中缺失三元组的文本描述和尾实体预测类型描述，并基于所述尾实体预测类型描述生成候选实体集；在步骤1之前还包括：构建训练数据集，所述训练数据集为由多个正三元组和多个负三元组组成的知识图谱，并获取所述训练数据集中所有三元组的文本描述；将所述训练数据集中所有三元组的文本描述输入文本语义信息模型进行文本语义信息提取，得到第一嵌入向量和第二嵌入向量，所述第一嵌入向量为预测尾实体的文本语义信息嵌入向量，所述第二嵌入向量为真实尾实体的文本语义信息嵌入向量；计算所述第一嵌入向量和所述第二嵌入向量之间的余弦相似度，并通过基于所述余弦相似度计算的第一损失函数对所述文本语义信息模型进行训练，得到训练后的文本语义信息模型；将所述训练数据集中所有三元组的文本描述输入Bert预训练模型进行编码，得到每个所述三元组的语义信息嵌入向量、头实体的类型嵌入向量和尾实体的类型嵌入向量；将针对所述训练数据集中的每个三元组，将所述三元组的语义信息嵌入向量、头实体的类型嵌入向量和尾实体的类型嵌入向量作为初始化向量输入嵌入表示学习模型进行结构信息提取，得到头实体的嵌入向量、关系的嵌入向量以及尾实体的嵌入向量，并通过所述头实体的嵌入向量、所述关系的嵌入向量以及所述尾实体的嵌入向量计算三元组得分；通过基于所述三元组得分计算的第二损失函数对所述嵌入表示学习模型进行训练，得到训练后的嵌入表示学习模型；步骤2，将所述候选实体集中的每一个候选实体与所述缺失三元组进行组合，得到多个完整三元组，并将每个所述完整三元组输入训练后的文本语义信息模型进行语义信息提取，得到每个所述候选实体的文本语义信息提取结果，并基于所述文本语义信息提取结果得到每个所述候选实体的文本语义信息得分值；每个所述候选实体的文本语义信息提取结果为第一嵌入向量和第二嵌入向量；计算所述第一嵌入向量和所述第二嵌入向量之间的余弦相似度作为每个候选实体的文本语义信息得分值；步骤3，针对每个所述完整三元组，获取所述完整三元组的文本信息嵌入向量，将所述完整三元组的文本信息嵌入向量作为所述完整三元组的初始化向量输入训练后的嵌入表示学习模型进行结构信息提取，得到每个所述候选实体的结构信息提取结果，并基于所述结构信息提取结果得到每个所述候选实体的嵌入表示学习得分值；每个所述候选实体的结构信息提取结果为头实体的嵌入向量、关系的嵌入向量以及尾实体的嵌入向量；基于所述头实体的嵌入向量、所述关系的嵌入向量以及所述尾实体的嵌入向量计算每个候选实体的嵌入表示学习得分值；步骤4，根据每个所述候选实体的文本语义信息得分值和每个所述候选实体的嵌入表示学习得分值计算每个所述候选实体的总得分值，并取所有候选实体中总得分值最高的候选实体作为置信尾实体对所述待补全知识图谱中的缺失三元组进行补全，得到知识图谱补全结果。

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湖南工商大学，其通讯地址为：410000 湖南省长沙市岳麓区岳麓大道569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”。