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！

龙图腾网获悉合肥工业大学申请的专利一种基于图注意力机制的因果常识知识库构建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：CN116861002B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310858866.5，技术领域涉及：G06F16/36；该发明授权一种基于图注意力机制的因果常识知识库构建方法是由俞奎;李金迪;李玉玲;王雨薇设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种基于图注意力机制的因果常识知识库构建方法在说明书摘要公布了：本发明公开了一种基于图注意力机制的因果常识知识库构建方法，包括如下步骤：1从开放知识库获取因果常识知识三元组作为训练资源；2采用知识图谱嵌入技术，获取因果常识知识三元组的向量表示；3结合背景知识图谱，构建基于图注意力机制的因果常识知识库构建模型，选取合适的损失函数来优化模型参数；4利用因果常识知识库构建模型对缺失三元组的置信度进行打分，将得分最高的三元组作为新学习的因果常识知识加入知识库。本发明基于背景知识图谱，采用图注意力机制构建因果常识知识库构建模型，意图通过少量的训练资源学习到新的因果常识知识，拓展因果常识知识库，使得知识库能够更好地支撑智能问答系统。

本发明授权一种基于图注意力机制的因果常识知识库构建方法在权利要求书中公布了：1.一种基于图注意力机制的因果常识知识库构建方法，其特征在于，按如下步骤进行： 步骤一：从知识库收集因果常识知识并进行结构化表示，从而构建因果常识知识的三元组集合，其中，表示一条因果常识，表示头实体，表示因果关系，表示尾实体，为实体集合，为因果关系集合； 步骤二：收集因果常识知识三元组集合中高频出现的因果关系所关联的三元组，并利用先验知识，以有向图的形式对所述高频出现的三元组进行存储和建模，从而构建背景知识图谱，其中，三元组的头实体、尾实体分别作为所述背景知识图谱的节点，三元组的因果关系作为所述背景知识图谱中节点之间的边； 步骤三：采用知识图谱嵌入方法对所述背景知识图谱中的各节点和边进行向量表示，从而得到头实体节点的向量表示、尾实体节点的向量表示、因果关系边的向量表示； 步骤四：从因果常识知识三元组集合中随机抽取一条因果关系记为，选取因果关系所对应的部分三元组来构建因果关系的支撑集，利用因果关系其余的三元组构建因果关系的查询集；再将查询集中的所有尾实体均替换成与自身头实体无因果关联的实体，从而构建负查询集； 步骤五：由因果关系对应的支撑集和查询集组成训练任务；从因果关系集合中选取其他因果关系，并按照步骤四的过程构建因果关系的支撑集和查询集，组成测试任务； 步骤六：采用图注意力机制构建特征向量学习模块，为支撑集中的每一个实体对生成相应的向量表示； 步骤6.1、抽取背景知识图谱中的有用信息，得到因果关系对应的第个邻居信息集；其中，表示对因果关系的支撑集中第个头实体-尾实体对，表示从背景知识图谱中提取第个头实体所对应的直接邻居信息，表示从背景知识图谱中提取与第个头实体的第个直接邻居实体相关联的邻居信息，即间接邻居信息，表示尾实体的直接邻居信息，表示尾实体的间接邻居信息； 步骤6.1.1、针对因果关系的支撑集中第个头实体-尾实体对，从背景知识图谱中提取第个头实体所对应的直接邻居信息，其中，表示第个头实体的一条直接邻居关系；表示第个头实体的一个直接邻居实体；表示第个头实体所关联的直接邻居数量，表示第个头实体所关联的一个直接邻居因果关系-实体对； 步骤6.1.2、从背景知识图谱中提取与第个头实体的第个直接邻居实体相关联的邻居信息，记为间接邻居信息，其中，表示第个头实体的一条间接邻居关系；表示第个头实体的一个间接邻居实体；表示第个头实体所关联的间接邻居数量，表示第个头实体所关联的第个间接邻居关系-实体对； 步骤6.1.3、所述直接邻居信息及间接邻居信息共同组成第个头实体的邻居信息集； 步骤6.1.4、按照步骤6.1.1-步骤6.1.3的过程得到尾实体的直接邻居信息、间接邻居信息以及邻居信息集； 步骤6.1.5、得到因果关系对应的第个邻居信息集； 步骤6.2、特征向量学习模块学习因果常识三元组中第个实体对的向量表示，记为； 步骤七、对查询集中的因果常识知识三元组的置信度进行评分； 步骤7.1、对于查询集中的任意一个查询三元组记为，采用式10-式11得到当前因果关系的向量表示： 10 11 式10-式11中，为点积操作，为因果关系的查询三元组的向量表示，是通过式9学习得到因果关系的支撑集中第个头实体-尾实体对的向量表示，为第个实体对表示所对应的注意力权重； 步骤7.2、利用式12所示的度量函数评估查询集中查询知识三元组的置信度分数： 12 步骤7.3、对于负查询集中的任意一个负查询三元组记为，按照步骤7.1-步骤7.2的过程，计算负查询三元组的置信度分数； 步骤八、利用反向传播算法对生成因果关系的向量表征的图注意力网络进行优化，并计算式13的损失函数，当损失函数不断下降直至收敛时，得到最优的因果常识知识库构建模型： 13 式13中，为超参数； 步骤九、将若干个候选实体输入所述最优的因果常识知识库构建模型中，计算相应查询三元组的置信度得分，并将置信度得分最高的三元组作为所述模型学习到的新的因果常识知识。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。

以上内容由龙图腾AI智能生成。