申请/专利权人：重庆邮电大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117807186A

主分类号：G06F16/33

分类号：G06F16/33;G06F40/30;G06F40/151;G06F16/36;G06N3/045;G06F40/205;G06N3/0442;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明请求保护一种基于多视图表征学习的异构本体匹配系统及方法，属于知识管理和语义处理技术相结合的领域，包括：本体嵌入模块、多视图编码模块、多视图聚合模块、相似度计算模块。本体嵌入模块：将异构本体的所有实体转化为稠密的向量映射；多视图编码模块：将得到实体向量映射送入孪生网络进行编码，根据实体结构信息，生成包括层次、邻域、语义的多视图嵌入；多视图聚合模块：加权聚合来自不同视图的信息，获得综合向量表征；相似度计算模块：计算不同实体对的最终相似度得分。本发明能够有效地利用本体的结构特征，克服了单一视图可能带来的局限和偏差，提升了匹配过程的准确性和对不同类型本体结构的适应性。

主权项：1.一种基于多视图表征学习的异构本体匹配系统，其特征在于：包括本体嵌入模块、多视图编码模块、多视图聚合模块和相似度计算模块；所述本体嵌入模块，用于读取本体文件，将RDF三元组转换为有向拓扑图，执行随机游走算法，得到节点序列作为词向量模型的训练语料库；所述多视图编码模块，用于将实体向量映射送入孪生网络进行编码，所述孪生网络包括两个分支，每个分支中包括三个并行的编码子网络：层次视图编码器采用长短期神经网络处理每个实体在本体中的路径信息，属性视图编码器采用图卷积网络处理每个实体的在本体中邻域信息，语义视图编码器采用多层感知机丰富每个实体的在本体中概念信息；所述多视图聚合模块，用于使用加性注意力机制加权聚合各视图信息，获得综合向量表征；所述相似度计算模块，用于使用欧几里得距离公式计算来自不同本体的实体综合向量表征，得到最终相似度得分。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于多视图表征学习的异构本体匹配系统及方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD