龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：湖北科技学院
摘要：本发明提供一种教育领域基于多模态融合的少样本知识图谱补全方法，涉及少样本知识图谱补全领域，包括：S1：收集教育领域相关知识的图像、文本及属性等多源信息；S2：对收集到的多源信息进行特征提取，利用子属性映射矩阵构建层次类型映射矩阵方法提取属性特征，生成多源信息的特征表示；S3：采用基于循环神经网络的特征融合方法对上述特征表示，经过实体对齐后进行融合表示；S4：提取邻接实体的语义特征形成邻接特征汇聚层，以补充中心节点语义特征；S5：结合基于结构的知识表示得到的知识表示结果以及邻接特征汇聚层，采用基于神经网络的知识推理方法来进行尾实体的预测。本发明具有链接预测准确性高等优点。
主权项：1.一种教育领域基于多模态融合的少样本知识图谱补全方法，其特征在于，包括：S1：收集教育领域相关知识的图像、文本及属性等多源信息；S2：对收集到的多源信息进行特征提取，利用子属性映射矩阵构建层次类型映射矩阵方法提取属性特征，生成多源信息的特征表示；S3：采用基于循环神经网络的特征融合方法对上述特征表示，经过实体对齐后进行融合表示；S4：提取邻接实体的语义特征形成邻接特征汇聚层，以补充中心节点语义特征；S5：结合基于结构的知识表示得到的知识表示结果以及邻接特征汇聚层，采用基于神经网络的知识推理方法来进行知识图谱补全。
全文数据：
权利要求：
百度查询： 湖北科技学院 一种教育领域基于多模态融合的少样本知识图谱补全方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号