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：三峡大学
摘要：基于实体语义相似性与聚类相结合负采样的地理知识图谱链接预测方法，包括：提出地理知识元组表示框架，实现对地理实体和其属性以及实体间关系的结构化表示；对地理矢量图的地理数据进行结构化抽取并将导入到图数据库，将地理数据以三元组形式导出后并清理；构建知识融合器，提取三元组中地理实体语义信息，完成地理知识图谱嵌入GKTransE模型的实体向量初始化；调用K‑Means算法将实体进行划分，根据实体语义信息划分成多个簇，构建负例三元组；结合知识融合器对三元组进行批量训练；根据三元组中已知实体信息预测缺失的实体，完成地理知识图谱嵌入GKTransE模型中链接预测任务。该方法有效了扩展了地理知识图谱的表达能力，并在链接预测任务中取得了显著的性能提升。
主权项：1.基于实体语义相似性与聚类相结合负采样的地理知识图谱链接预测方法，其特征在于包括以下步骤：步骤1：提出地理知识元组表示框架，实现对地理实体和其属性以及实体间关系的结构化表示；步骤2：获取地理矢量图，对地理矢量图的地理数据进行结构化抽取，并将地理数据导入到图数据库，将地理数据以三元组形式导出后并清理，获得地理三元组数据，也称正例三元组；步骤3：构建知识融合器，提取三元组中地理实体语义信息，完成地理知识图谱嵌入GKTransE模型的实体向量初始化；步骤4：调用K-Means算法将实体进行划分，根据实体语义信息划分成多个簇，在负采样时，与被替换实体在同一簇的其他实体会被随机选择作为负实体，构建负例三元组；步骤5：结合知识融合器，并对正例三元组和负例三元组进行批量训练；步骤6：根据三元组中已知实体信息预测缺失的实体，完成地理知识图谱嵌入GKTransE模型中链接预测任务。
全文数据：
权利要求：
百度查询： 三峡大学 基于实体语义相似性与聚类相结合负采样的地理知识图谱链接预测方法
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