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！

龙图腾网获悉西安电子科技大学申请的专利一种基于多特征融合学习的时序知识图谱补全方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118113881B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410245555.6，技术领域涉及：G06F16/36；该发明授权一种基于多特征融合学习的时序知识图谱补全方法是由李瑞;王琳方;徐悦甡;李婵;邢钧峰;杨溢设计研发完成，并于2024-03-05向国家知识产权局提交的专利申请。

本一种基于多特征融合学习的时序知识图谱补全方法在说明书摘要公布了：本发明公开了一种基于多特征融合学习的时序知识图谱补全方法，涉及知识图谱领域，用以提高时序知识图谱补全的准确率。本发明将时序知识图谱转换为四元组形式，分别从文本特征、语义知识特征和时间演化特征三个方面挖掘时序知识图谱中实体和关系的隐含特征，对三个特征采用注意力机制进行融合、预测，以此训练预测模型，最后用训练的模型对待补全的时序知识图谱进行预测补全。本发明以外部语义库扩充了实体关系语义知识，增强了模型对上下文和语义的理解；同时挖掘原始文本特征、语义知识特征和时序历史特征这三个关键特征进行融合，提高了模型预测补全能力。

本发明授权一种基于多特征融合学习的时序知识图谱补全方法在权利要求书中公布了：1.一种基于多特征融合学习的时序知识图谱补全方法，其特征在于，包括： 将输入的时序知识图谱转换为四元组形式，该四元组包含头实体、关系、尾实体和时间戳四个张量； 使用循环神经网络对四元组中已有张量的文本进行嵌入学习，得到文本特征向量； 使用外部语义库对四元组扩充语义知识，使用预训练模型对扩充的语义知识进行嵌入学习，得到扩充特征向量； 依据历史时序知识图谱的时间戳构建稀疏二维矩阵，包括：从历史时序知识图谱中筛选出各时间戳下的所有四元组；对于各时间戳，通过筛选出的四元组计算稀疏二维矩阵的行列索引，其中，行索引为四元组中头实体序号与关系序号的线性变换的值，列索引为尾实体的序号； 基于稀疏二维矩阵生成当前时间的向量掩码，包括：将基于当前时间前的历史时序知识图谱构造的稀疏二维矩阵中存在有实体的位置的值设定为0，其余位置的值设定为-100； 将四元组中已有张量拼接后进行降维；将向量掩码与降维后的张量相加得到时间演化向量； 采用注意力机制对所述文本特征向量、扩充特征向量和时间演化向量进行动态自适应融合，得到预测得分； 以最小化预测得分与训练数据的实际得分之间的差距为目标进行迭代训练，训练完成后输入待补全的时序知识图谱，以得到的预测得分对应的目标实体进行补全。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。