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！

龙图腾网获悉北京普巴大数据有限公司申请的专利基于知识管理人工智能系统中的识别模型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：CN118734120B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202410633143.X，技术领域涉及：G06F18/24；该发明授权基于知识管理人工智能系统中的识别模型是由夏春秋设计研发完成，并于2024-05-21向国家知识产权局提交的专利申请。

本基于知识管理人工智能系统中的识别模型在说明书摘要公布了：本发明提供一种基于知识管理人工智能系统重的识别模型，用于人工智能知识管理系统，该系统包括处理器、计算机可读非暂时性存储介质、显示器。所述计算机可读非暂时性存储介质中存储有如下程序模块，并能够被所述处理器处理来实现基于异质图神经网络的识别模型的功能：知识识别模块，知识选择模块，知识解析模块，以及评价模块。提高了知识管理的效率，通过对用户感兴趣的知识进行选择性识别，增强了知识在识别过程中知识管理者的参与性。为不同用户对于知识领域中的技术发展的贡献和技术动向提供了大数据基础。

本发明授权基于知识管理人工智能系统中的识别模型在权利要求书中公布了：1.一种人工智能知识管理系统，包括处理器、计算机可读非暂时性存储介质、显示器，其特征在于，所述计算机可读非暂时性存储介质中存储有如下程序模块，并能够被所述处理器处理来实现基于异质图神经网络的识别模型的功能：知识识别模块，用于识别输入其中的知识文档的格式，并当所述格式为文字或音频格式时，识别出单词，知识选择模块，用于从知识识别模块接受识别出格式的知识文档和识别出的单词，供用户选择知识文档中感兴趣的知识，和或至少部分所述单词，用于后续的知识解析，知识解析模块，用于构建知识体系的异质图神经网络HGNN，并将用户选择的知识文档和或所述单词进行知识解析，并将知识解析结果投射到所述异质图神经网络中，调用出所有元路径，且记录所述用户选择时所处的空间地点和时间，评价模块，用于建立基于异质图神经网络的注意力机制AM，以及根据调用的所述所有元路径和所述空间地点，给出属于所述空间地点的用户及所述空间地点周边的其他用户的元路径，通过注意力机制进一步调用出关联程度超过第一阈值的关注元路径，以及与关注元路径相应的关注用户所对应空间地点以及相应的时间，以进一步用于知识评价，其中，所述基于异质图神经网络的识别模型是由上述程序模块组成；所述构建知识体系的异质图神经网络包括如下步骤：S1构建知识异质图网络,为不同知识领域的关键词节点集合、为知识边集合；S2在中构建元路径:,并定义元路径的邻居，即对于任一节点,则通过元路径连接的所有节点即为邻居，其中，，，为自然数，且，为关键词之间的关联，每一个即表示元路径中相邻节点在知识领域中的双箭头，因此也表示双箭头的个数，而单向箭头仅表示元路径中不同节点的排列顺序；将用户选择的知识文档和或所述单词进行知识解析的方法包括：S3构建人工智能模型，具体是构建卷积神经网路CNN，和生成对抗网络GAN,通过所有用户历史圈出的感兴趣的部分进行知识归类,并进行训练集、验证集的划分，两者比例为7-5:1-3，对于生成对抗网络GAN还额外将知识归类的历史圈出的感兴趣的部分划分出作为真实图集，用于训练GAN中的判断器，利用训练集分别训练CNN和GAN，其输出分类即为知识归类结果，采用验证集同时验证两个模型；S4将圈出待识别的感兴趣的部分输入CNN以及GAN中，进行识别，当选择所述单词进行知识解析时，即将三类识别结果作为知识解析结果，当不选择所述单词进行知识解析时，仅将CNN以及GAN识别结果作为知识解析结果；所述三类识别结果包括CNN、GAN、单词的识别结果；建立基于异质图神经网络的注意力机制的方法包括：S5任意用户根据选择的单词，自定义元路径，包括大小以及不同大小的种类数，也即元路径的种类数，形成元路径集合，在构建的异质图神经网络中，对应元路径集合中每一条元路径连接的节点对,构建节点注意力1,为节点注意力的深度神经网络，分别为节点的表示，节点即对应了因所述用户选择产生的知识解析结果投射在异质图神经网络中的节点；S6计算节点所有基于元路径集合的邻居的注意力，以下式（2）得到式（1）节点注意力归一化系数的表达式：（2），为表示的拼接算符，为元路径的节点注意力向量,上标表示转置，为节点的邻居节点个数，是激活函数；S7计算节点基于元路径集合的特征表示，最后将注意力机制重复次，得到（3），表示将注意力机制重复次进行拼接；S8计算元路径集合的权重（4）其中表示相应节点集合的模，具有上下标的、具有下标的、分别为相应的语义的注意力向量、权重、偏置表示；S9元路径集合在知识异质图网络形成子图，计算节点所有基于中每一条元路径的注意力，以下式（5）得到语义注意力归一化系数的表达式：（5）；S10构建元路径注意力（6）,表示对于中任一路径子图下的元路径注意力为相应该路径下表示通过语义注意力的深度神经网络学习得到，则语义注意力机制的特征表示为（7），利用代入或或其组合中进行计算交叉熵损失，其中表示近义词、同义词聚类标签的编号，为聚类标签集合，为编号为的聚类标签，为节点分类器参数，，通过训练各注意力深度神经网络，直至交叉熵损失趋稳最小；将知识解析结果投射到所述异质图神经网络中，调用出所有元路径具体方法包括：Q1在异质图神经网络的节点中构建映射接口，知识解析结果通过映射接口映射到相应的节点中，即以表示，该相应的节点包括了在不同知识领域中同义词节点和或近义词节点；Q2根据用户自定义的元路径，在异质图神经网络中搜索所有包含该相应的节点的元路径；通过注意力机制进一步调用出关联程度超过第一阈值的关注元路径具体包括：S11根据遍历属于所述空间地点及其周边的元路径集合的所有组合，为组合的编号，每一编号代表不同的中元路径的组合，以及所述相应的节点，由公式（1）-（7）形成多个表示代入训练好的中得到多个，其中，形成多个表示具体是根据上的所述相应的节点形成相应的表示，再由公式（1）-（7）形成不同组合编号下的多个表示；S12设第一阈值为，当（8），调用出对应的路径组合，即关注元路径，表示满足（8）式的所有元路径集合；所述知识评价的方法包括：S13获取所述用户以及关注用户对应的空间地点、时间，根据关注元路径，找出中的所述相应的节点形成相应的表示；S14根据公式（1）和（2）找到，设第二阈值为，找出满足时所述相应的节点在关注元路径上的邻居集合（9），将按照所述对应的空间地点绘制空间分布图，即分布，并按照时间的先后顺序，绘制时间分布图，即分布，按照的大小顺序，递增或递减地绘制关联程度分布图，即分布；S15在分布、分布、分布中任一者或其组合中标注所述用户、所述其他用户、所述关注用户中至少一者所处的位置。

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普巴大数据有限公司，其通讯地址为：100085 北京市海淀区上地西路8号院1-4楼6层4702；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”。