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！

龙图腾网恭喜中国人民解放军国防科技大学申请的专利一种基于权重因子和非采样损失函数的知识图谱训练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：CN119669487B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510173717.4，技术领域涉及：G06F16/36；该发明授权一种基于权重因子和非采样损失函数的知识图谱训练方法是由张鹏飞;袁雪美;马武彬;赵翔;胡艳丽;谭真;肖卫东设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种基于权重因子和非采样损失函数的知识图谱训练方法在说明书摘要公布了：本发明属于数字化装备技术领域，公开了基于权重因子和非采样损失函数的知识图谱训练方法，包括以下步骤：构造知识图谱嵌入模型；将基于矩阵张量分解的知识图谱中所有实体和关系组成的非正三元组作为负三元组全部用于训练；在基于矩阵张量分解的知识图谱嵌入模型中，通过基于概率预测函数的非采样损失函数，缓解基于平方的损失函数带来的模型的性能削弱问题；采用权重因子对负三元组的损失函数进行动态加权，减少易分负三元组对模型训练造成的不良影响；划分训练集和测试集，对知识图谱嵌入模型进行训练，优化模型参数，发现装备潜在问题。本申请降低易分负三元组对模型训练造成的不利影响，从而提高模型训练的精度。

本发明授权一种基于权重因子和非采样损失函数的知识图谱训练方法在权利要求书中公布了：1.一种基于权重因子和非采样损失函数的知识图谱训练方法，其特征在于，包括以下步骤：基于装备的历史维修记录、传感器数据和专家知识，构造基于矩阵张量分解的知识图谱嵌入模型；所述基于矩阵张量分解的知识图谱嵌入模型至少包括DistMult、SimplE、ComplEx模型之一；将基于矩阵张量分解的知识图谱中所有实体和关系组成的非正三元组作为负三元组全部用于训练；在基于矩阵张量分解的知识图谱嵌入模型中，通过基于概率预测函数的非采样损失函数，缓解基于平方的损失函数带来的模型的性能削弱问题；采用权重因子对负三元组的损失函数进行动态加权，减少易分负三元组对模型训练造成的不良影响；划分训练集和测试集，对知识图谱嵌入模型进行训练，优化模型参数，发现装备潜在问题；其中，对于所述的知识图谱嵌入模型G，对于三元组h,r,t，其中h、t∈E，E是实体集，h和t是三元组中的头实体和尾实体，r∈R，R是关系集，r是关系，frh,t表示三元组h,r,t的真实标签值，其中，对于正三元组h,r,t，frh,t=1，表示头实体h和尾部实体t能够通过关系r连接，而对于负三元组h,r,t，frh,t=0，表示头实体h和尾部实体t不能通过关系r连接；表示基于知识图谱嵌入模型得分函数的预测函数值，旨在判断头实体h和尾实体t是否能够通过关系r连接起来；模型的训练框架旨在通过最小化正负三元组的真实标签值与基于得分函数的预测值之间的差异，学习知识图谱嵌入模型中的实体h、t和关系r的向量表示h、r、t；将作为三元组h,r,t被预测为正三元组的概率预测函数Pr|h,t；对于三元组h,r,t，定义其概率预测函数Pr|h,t为： ；其中，δr0，表示与关系r相关的阈值超参数，Frh,t为三元组h,r,t的得分函数；若h,r,t的得分函数Frh,t的取值大于阈值δr，P的取值将接近于0，即h,r,t被预测为正三元组的概率接近于0，则将其预测为负三元组；反之，预测概率函数取值接近于1，则将其预测为正三元组。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。