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！

龙图腾网获悉昆明理工大学申请的专利一种基于局部-全局特征融合的时序知识图谱的表示学习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：CN121787592B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610251152.1，技术领域涉及：G06N5/04；该发明授权一种基于局部-全局特征融合的时序知识图谱的表示学习方法是由朱波;仇思琪;袁蓉;杜念锦;高智帆;李建岭设计研发完成，并于2026-03-03向国家知识产权局提交的专利申请。

本一种基于局部-全局特征融合的时序知识图谱的表示学习方法在说明书摘要公布了：本发明涉及时序知识图谱技术领域，具体地说，涉及一种基于局部‑全局特征融合的时序知识图谱的表示学习方法。其包括以下步骤：将整个时间轴划分为多个时间点，基于时间点构建时序知识图谱；基于时序知识图谱使用局部编码器提取局部时空特征，利用全局编码器提取全局特征；利用门控机制自适应加权方法将局部时空特征与全局特征进行融合；基于解码器对融合后的特征利用ConvTransE模型进行实体预测，基于解码器对融合后的特征利用ConvTransR模型进行关系预测；将预测结果反馈至损失函数驱动端到端训练。本发明通过结合局部编码器和全局编码器提取的知识图谱中的时空特征和全局语义信息，能够更准确地捕捉实体及其关系在时间维度上的动态变化。

本发明授权一种基于局部-全局特征融合的时序知识图谱的表示学习方法在权利要求书中公布了：1.一种基于局部-全局特征融合的时序知识图谱的表示学习方法，其特征在于，包括以下步骤： S1、将整个时间轴划分为多个时间点，基于时间点构建时序知识图谱； S2、基于时序知识图谱使用局部编码器提取局部时空特征，利用全局编码器提取全局特征； S3、利用门控机制自适应加权方法将局部时空特征与全局特征进行融合； S4、基于解码器对融合后的特征利用ConvTransE模型进行实体预测，基于解码器对融合后的特征利用ConvTransR模型进行关系预测； S5、将预测结果反馈至损失函数驱动端到端训练； 所述S2中，基于时序知识图谱使用局部编码器提取局部时空特征，包括以下步骤： S2.1、在每一时间步，采用关系图卷积网络把上一时间步得到的实体节点嵌入表示作为输入，并使用图卷积模块RGCNCell对当前图结构进行关系感知的图卷积更新； S2.2、通过UnionRGCNLayer对每个节点的邻居进行聚合更新，将不同关系类型的边通过传入的关系嵌入引导，使用不同的卷积参数进行聚合处理； S2.3、在每个时间步上更新图中实体的表示时，采用长短时记忆网络来更新时间步上每张图上的实体嵌入； S2.4、根据实体间的连接关系收集相关实体上下文嵌入，经过聚合后与当前关系嵌入融合，生成新的时序关系表示； S2.5、经过上述步骤，局部编码器生成时序增强的隐藏表示； 所述S2中，利用全局编码器提取全局特征，包括以下步骤： S2.6、合并历史时间子图，通过结构卷积模块计算得到历史全局实体表示矩阵； S2.7、利用当前查询中的实体嵌入与关系上下文表示构建查询语义向量； S2.8、通过注意力机制计算历史实体重要性，输出全局语义表示。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。