一种基于邻域语义增强的多模态知识图谱补全方法

AITNT
正文
推荐专利
一种基于邻域语义增强的多模态知识图谱补全方法
申请号:CN202411449013
申请日期:2024-10-17
公开号:CN118966347B
公开日期:2025-02-11
类型:发明专利
摘要
一种基于邻域语义增强的多模态知识图谱补全方法,属于多模态知识图谱领域。具体来说,首先设计邻域语义增强模块,将不同邻域信息融合至中心实体的表示之中,增强模型的语义表达能力。然后,利用跨模态注意力机制,捕获不同模态间信息的相互作用与共同语义特征,实现邻域引导特征的学习。再根据基于对比学习方法比较正负样本间的相似性与差异性,学习更丰富的实体表示,最终改善多模态知识图谱补全结果。
技术关键词
邻域 知识图谱补全方法 视觉特征 文本 样本 注意力机制 关系 语义特征 跨模态数据 挖掘实体 非线性 三元组 偏差
系统为您推荐了相关专利信息
1
一种航班运行控制的多源异构数据融合方法及装置
异构数据融合方法 实体 关系 期望最大化算法 知识图谱构建
2
基于无监督学习的金属零件结构识别方法及装置
金属零件结构 无监督学习 语义分割算法 特征金字塔 图像
3
一种能耗预测方法及能耗预测系统
残差模型 能耗预测方法 时间段 残差数据 建筑
4
表皮调节蛋白的应用
胰腺导管腺癌 蛋白 荧光定量PCR技术检测 基因芯片技术 慢病毒载体
5
单样本检测胚体系变异的方法及装置
位点 拷贝数 频率 样本 分割算法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号