加载中...
首页专利查询专利详情

*来源于国家知识产权局数据,仅供参考,实际以国家知识产权局展示为准

时序知识图谱表征模型构建方法和时序知识图谱补全方法

发明专利有效专利
  • 申请号:
    CN202210783097.2
  • IPC分类号:G06F16/36;G06F16/28;G06N3/04;G06N3/08
  • 申请日期:
    2022-07-05
  • 申请人:
    苏州凌图科技有限公司
著录项信息
专利名称时序知识图谱表征模型构建方法和时序知识图谱补全方法
申请号CN202210783097.2申请日期2022-07-05
法律状态公开申报国家中国
公开/公告日2022-10-18公开/公告号CN115203430A
优先权暂无优先权号暂无
主分类号G06F16/36IPC分类号G;0;6;F;1;6;/;3;6;;;G;0;6;F;1;6;/;2;8;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人苏州凌图科技有限公司申请人地址
江苏省苏州市中国(江苏)自由贸易试验区苏州片区苏州工业园区星湖街328号创意产业园内5-B602单元 变更 专利地址、主体等相关变化,请及时变更,防止失效
权利人苏州凌图科技有限公司当前权利人苏州凌图科技有限公司
发明人黄文丽;程金平;韩文博
代理机构北京酷爱智慧知识产权代理有限公司代理人胡林
摘要
本发明实施例公开了时序知识图谱表征模型构建方法和时序知识图谱补全方法,时序知识图谱表征模型构建方法包括获取时序知识图谱G,每个知识采用四元组(hi,ri,ti,[tis,tie])描述;对时序知识图谱G中的时间信息进行粒度划分,得到离散时间段的静态子知识图谱G1,…Gτ,……,GT;对每个静态子知识图谱Gτ学习建立超平面,获取静态子知识图谱Gτ在超平面中实体、关系和时间的向量表征;利用静态子知识图谱Gτ在超平面中实体、关系和时间的向量表征对构建的LSTM模型进行训练,获得训练后的LSTM模型。本方法构建的模型在传统静态知识图谱的三元组关系表达基础上,通过加入时间维度的四元组描述模型,为海量感知数据提供了一致性的异构数据描述模型。

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供