公开(公告)号：CN117609515A

公开(公告)日：2024-02-27

申请号：CN202311646540.2

申请日：2023-12-01

Applicant: 福州大学

Inventor： 汪璟玢 ,  黄皓

IPC: G06F16/36 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/02

Abstract: 本发明涉及一种基于语义感知嵌入的开放知识图谱链路预测方法。重点探究如何利用NP和RP的内在语义信息，提出了SeAE模型。首先，本发明可以根据数据集自适应地选择嵌入分割的块数，并行使用邻居NP的相对应块嵌入来更新NP的嵌入，实现对NP蕴含多种语义的解纠缠，得到自适应解纠缠嵌入(ADE)。接着，本发明通过将注意力机制集成到GRU编码器中，获得RP编码的侧重点和重要性分布，来更好地捕捉RP中的语义信息，提高模型的可解释性。最后，本发明还提出了一个关系门，从共享边信息中提取尾NP的RP语义特征，在增强实体和关系交互的同时，实现关系对于实体的语义约束。最后在多个公开的开放知识图谱数据集上进行了链路预测，实验结果证明了本发明模型的优越性。

公开(公告)号：CN119089992A

公开(公告)日：2024-12-06

申请号：CN202411113918.7

申请日：2024-08-14

Applicant: 福州大学

Inventor： 汪璟玢 ,  黄皓 ,  张思锐

IPC: G06N5/022 ,  G06F16/36 ,  G06F18/25 ,  G06N3/0455 ,  G06N5/04 ,  G06F40/30

Abstract: 本发明提出基于模态层次融合的多模态知识图谱补全方法，使用多模态知识图谱补全模型MHF来引入视觉特征和文本特征，模型包括：独立学习层：从多个模态分割的数据集的知识图谱独立学习结构嵌入#imgabs0#、视觉嵌入#imgabs1#、文本嵌入#imgabs2#，同时采用缩放因子调整外部特征的规模；模态融合层：将结构特征分别与视觉特征和文本特征融合，得到两种融合嵌入，纳入最终的损失计算；语义约束层：通过因子交互正则化器对前述五种嵌入进一步处理，处理过程产生的额外的五个正则化损失项，计算在最终损失中；本发明通过整合结构数据与外部数据，从而更合理地应用视觉数据和文本数据，有效地提高了模型的表达能力，为知识图谱中实体的全面性和准确性表示提供了新的思路。