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！

龙图腾网获悉吉林大学申请的专利一种基于注意力机制的知识图谱预测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：CN116680414B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310721138.X，技术领域涉及：G06F16/36；该发明授权一种基于注意力机制的知识图谱预测方法是由彭涛;毕海嘉;王斌岩;包铁;刘露设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于注意力机制的知识图谱预测方法在说明书摘要公布了：本发明适用于知识图谱技术领域，提供了一种基于注意力机制的知识图谱预测方法，包括以下步骤：加载训练集三元组数据，获取小样本关系及其对应的头尾实体对；生成小样本关系的头尾实体的邻居集合；利用图注意力网络聚合小样本关系的半邻域表示；通过Transformer融合邻域信息，生成小样本关系表示；计算评分函数；计算损失函数；通过梯度下降方法最小化损失函数训练模型参数。该方法通过图注意网络融合实体的一跳邻域信息，从而获得实体的邻域表示，并从相关实体的邻域表示中获取长尾关系的有效表示，减少了稀疏邻域带来的噪声影响。使用Transformer关系聚集器获取融合邻域信息的小样本关系表示，实现小样本关系更为准确的表达。

本发明授权一种基于注意力机制的知识图谱预测方法在权利要求书中公布了：1.一种基于注意力机制的知识图谱预测方法，其特征在于，包括一种基于注意力机制的知识图谱预测模型，所述模型包括邻域编码器、关系聚集器和匹配处理器三个模块；所述方法包括以下步骤： 步骤1、加载训练集三元组数据，获取小样本关系及其对应的头尾实体对； 步骤2、生成小样本关系的头尾实体的邻居集合； 步骤3、利用图注意力网络聚合小样本关系的半邻域表示； 步骤4、通过Transformer融合邻域信息，生成小样本关系表示； 步骤5、为了判断小样本关系表示的有效性，建立基于TransH的评分函数公式，所述评分函数公式如下：； ； 其中，h i 和t i 是在预训练中学习到的头部和尾部嵌入，W r 是与关系r相关的超平面的法向量，是由公式r=h-t导出的小样本关系的一般表示； 步骤6、计算损失函数，所述损失函数公式如下： ； 其中，表示小样本关系r的支持集，是污染S r 的尾实体产生的负样本集合； 步骤7、通过梯度下降方法最小化损失函数训练模型参数，重复上述步骤以对模型效果进行优化； 在邻域编码器部分，对于支持集中的小样本关系的三元组，设计的门控和基于图注意力的邻居聚合器首先将头实体和尾实体与其邻居进行编码，以生成关于小样本的关系的头实体和尾实体的邻居表示；进入关系聚集器时，所有支持集的邻域表示通过Transformer集成，以学习小样本关系的一般表示；匹配处理器使用MTransH方法来局部调整表示，更新的关系表示和超参数，将更新的关系表示和超参数从支持集转移到查询集来学习所有参数。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。