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！
摘要：本发明提出基于模态层次融合的多模态知识图谱补全方法，使用多模态知识图谱补全模型MHF来引入视觉特征和文本特征，模型包括：独立学习层：从多个模态分割的数据集的知识图谱独立学习结构嵌入、视觉嵌入、文本嵌入，同时采用缩放因子调整外部特征的规模；模态融合层：将结构特征分别与视觉特征和文本特征融合，得到两种融合嵌入，纳入最终的损失计算；语义约束层：通过因子交互正则化器对前述五种嵌入进一步处理，处理过程产生的额外的五个正则化损失项，计算在最终损失中；本发明通过整合结构数据与外部数据，从而更合理地应用视觉数据和文本数据，有效地提高了模型的表达能力，为知识图谱中实体的全面性和准确性表示提供了新的思路。
主权项：1.基于模态层次融合的多模态知识图谱补全方法，能用于补全或增强多模态数据集的知识图谱，其特征在于：所述补全方法使用基于模态层次融合的多模态知识图谱补全模型MHF来引入视觉特征和文本特征，所述多模态知识图谱补全模型MHF包括：独立学习层：从多个模态分割的数据集的知识图谱独立学习结构嵌入Xs、视觉嵌入Xv、文本嵌入xt，同时采用缩放因子调整外部特征的规模；模态融合层：将结构特征分别与视觉特征和文本特征融合，得到两种融合嵌入，纳入最终的损失计算；语义约束层：通过因子交互正则化器对前述五种嵌入进一步处理，处理过程产生的额外的五个正则化损失项，计算在最终损失中。
全文数据：
权利要求：
百度查询： 福州大学 基于模态层次融合的多模态知识图谱补全方法
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