買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京郵電大學申請的專利基于雙視圖超關系嵌入框架的知識圖譜補全方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115269866B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210831885.4，技術領域涉及：G06F16/36；該發明授權基于雙視圖超關系嵌入框架的知識圖譜補全方法是由鄂海紅;羅浩然;宋美娜;譚玲;姚天宇;周庚顯設計研發完成，并于2022-07-15向國家知識產權局提交的專利申請。

本基于雙視圖超關系嵌入框架的知識圖譜補全方法在說明書摘要公布了：本發明提出一種基于雙視圖超關系嵌入框架的知識圖譜補全方法，包括，構建基于雙視圖超關系知識圖譜的數據集，數據集包括實例視圖集、本體視圖集以及跨視圖鏈接集；將數據集輸入DH?KG嵌入模型，其中，DH?KG嵌入模型包括GRAN編碼器、跨視圖鏈接學習網絡和聯合學習網絡；通過GRAN編碼器進行視圖內超關系學習，通過超圖領域聚合技術以及跨視圖損失進行跨視圖聯系學習，通過聯合實例視圖集、本體視圖集和跨視圖連接集分別對應的損失函數進行聯合學習，得到訓練完成的DH?KG嵌入模型；通過訓練完成的DH?KG嵌入模型進行知識圖譜的鏈接預測和實體分類。本發明通過雙視圖結構來聯合建模知識圖譜中的超關系和實體之間的層級關系，從而更好的進行鏈接預測和實體分類任務。

本發明授權基于雙視圖超關系嵌入框架的知識圖譜補全方法在權利要求書中公布了：1.一種基于雙視圖超關系嵌入框架的知識圖譜補全方法，其特征在于，包括以下步驟： 構建基于雙視圖超關系知識圖譜的數據集，所述數據集包括實例視圖集、本體視圖集以及跨視圖鏈接集； 將所述數據集輸入DH-KG嵌入模型，其中，所述DH-KG嵌入模型包括GRAN編碼器、跨視圖鏈接學習網絡和聯合學習網絡； 通過所述GRAN編碼器進行視圖內超關系學習，通過超圖領域聚合技術以及跨視圖損失進行跨視圖聯系學習，通過聯合實例視圖集、本體視圖集和跨視圖連接集分別對應的損失函數進行聯合學習，得到訓練完成的DH-KG嵌入模型； 通過所述訓練完成的DH-KG嵌入模型進行知識圖譜的鏈接預測和實體分類； 所述通過所述GRAN編碼器進行視圖內超關系學習，包括： 通過GRAN模型更新實體嵌入，利用更新后的實體嵌入進行實體或者關系預測，并計算出每個子視圖內的損失； 所述通過GRAN模型更新實體嵌入，包括： 通過GRAN模型將一個超關系事實作為一個異構圖，然后使用mask學習策略構建模型輸入； 通過GRAN使用邊偏向的全連接注意力來學習所述異構圖； 通過GRAN編碼器更新所有超關系事實的實體嵌入向量； 其中，在層GRAN編碼器更新后的節點嵌入向量GRAN_E為： ， 其中，是第層GRAN的輸出結果； 所述利用更新后的實體嵌入進行實體或者關系預測，并計算出每個子視圖內的損失，包括： 取出MASK位置的節點嵌入向量h，然后進行一個兩層的線性變換操作， ， 其中，與輸入的嵌入向量矩陣共享參數，而、、則是可自學習的參數，是對所有實體的預測得分，即在整個事實中由v個實體； 加上標簽平滑，根據p來得出預測值與標簽之間的交叉熵損失： ， 其中，是預測出的得分向量p第個位置的值，是標簽向量y第t個位置的值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京郵電大學，其通訊地址為：100876 北京市海淀區西土城路10號北京郵電大學新科研樓627室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。