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：西安交通大学
摘要：本发明公开了一种基于实体相似度的卫星知识图谱快速迁移方法，包括步骤：1、根据待补充新卫星知识图谱和旧卫星知识图谱得到属性图和初始实体嵌入向量；2、训练图神经网络并优化网络参数；3、训练好的图神经网络以属性图结构和初始实体嵌入向量为输入，得到包含完整语义信息的实体属性嵌入向量；4、通过实体属性体嵌入向量得到相似度矩阵，通过图结构匹配指派矩阵得到正确结构的待补充新卫星知识图谱和旧卫星知识图谱的实体匹配；5、通过实体匹配，将存在于旧卫星知识图谱中且不存在于待补充新卫星知识图谱中的实体进行迁移，输出完整的新卫星知识图谱，提升了构建卫星知识图谱的效率和知识图谱的质量，节约了大量时间和人力。
主权项：1.一种基于实体相似度的卫星知识图谱快速迁移方法，其特征在于，包括如下步骤：步骤1、将待补充新卫星知识图谱和完整的旧卫星知识图谱转换为属性图，采用类似“独热”方法，对实体不同属性进行编码，形成包含语义信息的初始实体嵌入向量；步骤2、训练图神经网络并优化网络参数；步骤2.1、基于“视域”理论，对属性图中不同类型的节点实体赋予不同的视域，使实体连接更大范围的实体作为邻居，得到优化后的邻接矩阵，作为图神经网络的输入；步骤2.2、在属性图中随机选取点对构建样本，在选取点对过程中，结合跨图交叉取点比较和加权节点对，使图神经网络能够学习所有属性图并着重学习中心范围实体；步骤2.3、在无监督学习条件下，利用所构建的样本对图神经网络进行训练；步骤2.4、使用均方误差MSE作为损失函数，优化图神经网络的参数，得到训练好的图神经网络；步骤3、训练好的图神经网络以属性图结构和初始实体嵌入向量作为输入，得到包含结构信息和语义信息的实体属性嵌入向量；步骤4、通过比对待补充新卫星知识图谱和完整的旧卫星知识图谱中实体属性体嵌入向量，得到相似度矩阵，通过图结构匹配指派矩阵，得到正确结构的待补充新卫星知识图谱和旧卫星知识图谱的实体匹配；步骤5、通过实体匹配，将存在于旧卫星知识图谱中且不存在于待补充新卫星知识图谱中的实体，作为待补充新卫星知识图谱的缺失实体，将其迁移至待补充新知识图谱，输出完整的新卫星知识图谱。
全文数据：
权利要求：
百度查询： 西安交通大学 一种基于实体相似度的卫星知识图谱快速迁移方法
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