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！

龙图腾网恭喜中国人民解放军网络空间部队信息工程大学申请的专利基于上下文数据增强的少样本知识图谱表示学习方法及系统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：CN115525771B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202211202263.1，技术领域涉及：G06F16/36；该发明授权基于上下文数据增强的少样本知识图谱表示学习方法及系统是由卢记仓;王凌;周刚;刘洪波;兰明敬;李珠峰;吴建萍;王婧;卢银鹏设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于上下文数据增强的少样本知识图谱表示学习方法及系统在说明书摘要公布了：本发明属于知识图谱表示学习推理技术领域，特别涉及一种基于上下文数据增强的少样本知识图谱表示学习方法及系统，首先选取背景知识图谱中实体，对实体周围的邻居节点上下文信息进行编码，构建三元组实体对表示；然后通过变分自编码器学习头尾实体对在向量表示空间中的特征，解码生成新的三元组扩充训练集以辅助学习。本发明通过扩展训练样本集的同时保证训练样本的质量，从而更好地支撑少样本条件下的知识图谱表示学习以及知识推理，在聚合实体上下文和关系上下文时，考虑不同信息在不同三元组推理任务中的不同作用；通过在聚合时分配权重，能够减少噪声与无关信息带来的影响，有效提高聚合后表示信息的准确性，从而使得知识图谱表示学习具有更好的语义表达能力。

本发明授权基于上下文数据增强的少样本知识图谱表示学习方法及系统在权利要求书中公布了：1.一种基于上下文数据增强的少样本知识图谱表示学习方法，其特征在于，包含如下内容：选取背景知识图谱中实体，对实体周围的邻居节点上下文信息进行编码，构建三元组实体对表示；对于每个原始实体对，利用变分自动编码器VAE从隐变量空间的概率分布中学习构建的原始实体对表示的实体对特征，将实体对特征映射为后验概率分布；根据后验概率分布，解码器对实体对特征进行解码重构得到新的实体对表示，并通过变分自动编码器VAE损失函数的惩罚项和超参数来控制输入的原始实体对表示和输出的新实体对表示之间的相似程度；将三元组推理任务作为序列推理任务，通过对原始实体对表示和新实体对表示进行编码，得到推理序列少样本关系向量表示；根据候选实体对构建待推理三元组实体对及其少样本关系表示，利用预先设置的相似度度量函数获取推理序列少样本关系向量表示和待推理三元组实体对少样本关系表示之间的相似度得分；构建用于知识图谱表示学习模型训练优化的负样本，并利用变分自编码器和相似度得分构建损失函数，根据损失函数来优化少样本关系向量表示。

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网络空间部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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”。