欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026107299750
申请人: 中国计量大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述方法包括以下步骤:第一步、多模态实体特征感知与统一编码:从知识图谱的结构数据、实体关联的视觉数据及文本描述数据中,分别提取模态专属特征表示,并将各模态表示统一至相同维度;

第二步、基于拓扑结构约束的跨模态语义对齐:以拓扑结构表示作为语义锚点,引导视觉模态和文本模态向该锚点进行非对称对齐,获得统一语义空间中的多模态实体表示;

第三步、基于查询不确定性感知的动态路由:基于所述多模态实体表示评估查询的结构确定性,得到查询置信度,并根据该置信度为查询动态分配推理通路;

第四步、预测与结果融合:当第三步分配快速通路推理时执行快速通路推理得到补全结果;当第三步分配慢速通路推理时执行慢速通路推理得到补全结果;当第三步分配双通路协同推理时,通过快速通路推理、慢速通路推理对查询进行预测,并将各通路的预测结果进行动态融合输出补全结果。

2.如权利要求1所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述第一步的过程为:步骤1.1 同质性-异质性解耦的拓扑编码:提取目标实体的邻域子图,将子图中的边按结构属性划分为同质性边集和异质性边集,采用差异化的消息聚合机制进行编码,并通过门控单元将两类编码结果进行自适应加权融合,得到拓扑表示;

步骤1.2 视觉特征编码:从实体关联的图像数据中提取视觉语义特征,经维度映射与归一化处理后,生成与拓扑表示维度一致的视觉表示;

步骤1.3 文本特征编码:从实体的自然语言描述数据中提取全局语义信息,经线性投影与归一化处理后,生成与拓扑表示维度一致的文本表示。

3.如权利要求2所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述步骤1.1的过程如下:步骤1.1.1 邻域子图提取:提取目标头实体的多跳邻域子图,所述多跳邻域子图包括以该头实体为中心向外拓展预设跳数范围内的实体及连接这些实体的边;

步骤1.1.2 边集划分与子图构建:基于实体间的结构相似性和语义一致性计算综合相似度,并根据预设相似度阈值将邻域子图中的边划分为同质性边集和异质性边集,分别对应形成同质性子图和异质性子图;

步骤1.1.3 差异性消息传递:对同质性子图采用标准消息聚合机制进行编码,对异质性子图采用偏差消息聚合机制进行编码,分别捕获语义连贯的同质性关联和功能互补的异质性关联;

步骤1.1.4 门控自适应融合:将同质性子图和异质性子图的编码结果通过可学习的门控单元进行自适应加权融合,得到拓扑表示。

4.如权利要求3所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述步骤1.1.3的过程为:步骤1.1.3.1同质性子图的标准消息聚合机制:对邻居实体的嵌入进行关系特定转换后,与邻居实体嵌入融合,再通过聚合函数整合所有邻居信息,并将聚合结果与目标实体当前嵌入进行残差融合,输出同质性子图编码;

步骤1.1.3.2异质性子图的偏差消息聚合机制:计算邻居实体嵌入与目标实体嵌入之间的特征偏差,将该偏差与关系特定转换结果融合后聚合,再与目标实体当前嵌入进行残差融合,输出异质性子图编码。

5.如权利要求2至4中任意一项权利要求所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述第三步的过程为:步骤3.1 查询置信度计算:基于多模态实体表示对查询进行初步预测,得到候选实体的概率分布;根据该概率分布的离散程度评估查询的结构确定性,得到归一化的查询置信度;

步骤3.2 动态路由决策:根据查询置信度与预设阈值的对比结果,为当前查询动态分配对应的推理通路;

步骤3.3 多模态前缀适配:构建多模态前缀适配结构,将拓扑、视觉、文本模态特征分别映射至大语言模型的输入空间,形成适配大语言模型理解的多模态虚拟前缀,用于引导后续语义推理。

6.如权利要求5所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述第四步的过程为:步骤4.1 快速通路推理:对路由至快速通路的查询,采用高效结构化推理方式,建模实体与关系间的高阶交互,完成快速链路预测;

步骤4.2 慢速通路推理:对路由至慢速通路的查询,基于多模态前缀引导,结合大语言模型的语义理解能力进行深度推理,并通过结构化提示与输出约束保证预测结果在知识图谱范围内;

步骤4.3双通路协同推理:对触发协同推理的查询,将快速通路与慢速通路得到的预测结果进行自适应加权融合,得到最终的知识图谱补全结果。

7.如权利要求6所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述步骤4.1的过程如下:步骤4.1.1 多模态融合表示:将统一语义空间下的多模态实体表示进行投影处理,得到头实体的多模态融合表示;

步骤4.1.2 高阶交互建模:基于多模态融合表示、关系特征与候选尾实体特征,构建高阶交互模型,得到候选尾实体的合理性评分;

步骤4.1.3 预测分布生成:对候选实体的合理性评分进行归一化处理,得到快速通路下候选实体的预测概率分布。

8.如权利要求6所述的基于动态路由与双通路推理的知识图谱补全方法,其特征在于,所述步骤4.3包括:步骤4.3.1 融合权重生成:根据查询置信度与预设阈值的关系,动态生成快速通路与慢速通路的融合权重;

步骤4.3.2 结果自适应融合:基于该融合权重对两条通路的预测结果进行自适应加权融合,得到最终的预测分布;

步骤4.3.3 补全结果输出:根据最终预测分布选取概率最高的实体作为补全结果,输出完整的知识图谱三元组。