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！

龙图腾网恭喜西南大学申请的专利一种基于偏序格的大型语义图近似摘要方法及系统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：CN114385807B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210049687.2，技术领域涉及：G06F16/34；该发明授权一种基于偏序格的大型语义图近似摘要方法及系统是由王艺设计研发完成，并于2022-01-17向国家知识产权局提交的专利申请。

本一种基于偏序格的大型语义图近似摘要方法及系统在说明书摘要公布了：本发明涉及一种基于偏序格的大型语义图近似摘要方法及系统，属于计算机领域。本发明首先根据关系类型指标将语义图分为两类，针对每一类语义图的特点，再利用代数结构中偏序格这一数学模型对语义图中的实体和关系生成格结构，作为该类语义图的摘要。对于两类语义图，本发明给出了摘要的方法和相应的摘要信息度指标，以对生成的语义图摘要进行评估，从而达到高效提取大型语义图关键信息的目的。

本发明授权一种基于偏序格的大型语义图近似摘要方法及系统在权利要求书中公布了：1.一种基于偏序格的大型语义图近似摘要方法，其特征在于：该方法包括以下步骤：S1：对大型语义图按照关系类型的丰富程度进行分类，分为：I型，即丰富关系型语义图和II型，即简单关系型语义图；语义图分类步骤，具体如下：S11：首先，提取大型语义图的实体数量|V|及关系类型数量具体为：解析语义图的RDF文件，将语义图导入相应的数据库，包括图数据库和语义数据库，利用数据库查询语言获取；S12：其次，按公式1计算关系指标δ；语义图由语义数据RDF三元组构成，将语义图定义为其中V是实体的集合，R是实体之间的关系集合，是关系类型，即对象属性集合，是属性，即数据类型属性集合，是关系到关系类型的映射，是实体到属性集合的映射；将语义图的中实体的属性视为仅关联该实体的性质，而不是实体与属性值之间的关系；定义关系类型指标δ： 来衡量语义图中的关系的丰富程度；其中，δ越大则语义图的关系类型越丰富；反之，关系类型越简单；S13：将关系指标δ与设定的指标阈值δT比较大小关系；根据现有大型语义图的情况，将δT默认值设定为10-4；用户根据所处理的语义图的具体情况进行设定；S14：最后根据δ与δT的大小，得出语义图类型：当δδT时，语义图为I型语义图；当δ≥δT时，语义图为II型语义图；S2：对于I型语义图，使用算法1根据其特征计算基于偏序格的近似摘要，进而利用算法3计算摘要的信息度，即：覆盖原语义图的比率；S3：对于II型语义图，使用算法2根据其特征计算基于偏序格的近似摘要，进而利用算法4计算摘要的信息度，即：原语义图实体的过滤比率；S4：生成语义图的偏序格摘要结果；算法1给出了计算于偏序格的I型语义图近似摘要ELSRR的步骤；该算法的输入是语义图G，关键类型集合Rt*，参数σ及语义图类型，输出是基于偏序格的I型语义图近似摘要σL；S21：对实体模式集合进行初始化；S22：针对每个语义图中的实体s，若其关联了关键关系类型，则将该实体s及其关联的所有关系类型加入σC中；S23：合并具有相同特征集合CS的实体，并且按照特征集合CS的基数对实体模式EP进行分层；CS_Tk存放第k层的实体模式EP，即：所有在第k层的实体模式EP均满足：所有实体的特征集合的基数|T|＝k；m表示所有特征集合CS的最大值；S24：根据各层的实体模式CS_T生成偏序格σL；S25：返回偏序格σL；算法2是给出计算于偏序格的II型语义图近似摘要ELSSR的步骤；该算法的输入是语义图G，关键类型集合Rt*，p*的阈值μp*，及语义图类型，输出是基于偏序格的II型语义图近似摘要μL；S31：对实体模式集合进行初始化；S32：针对每个语义图中的实体s，若该实体s关联了关键关系类型p*，则检查其关联的相应边集合|Ep*|与设定的阈值μp*的关系，若|Ep*|≥μp*，则将该实体s及其关联的所有关系类型加入μC中；S33：合并具有相同特征集合CS的实体，并且按照特征集合CS的基数对实体模式EP进行分层；CS_Tk存放第k层的实体模式EP，即：所有在第k层的实体模式EP均满足，所有实体的特征集合的基数|T|＝k；m表示所有特征集合CS的最大值；S34：根据各层的实体模式CS_T生成偏序格μL；S35：返回偏序格μL；算法3是ELSRR信息度计算方法；具体步骤如下：S41：初始化相应变量Iσ,Vb,Vσ,VN,Rb；S42：计算σL的基图Gb；S43：根据公式2计算信息度Iσ；定义6ELSRR的信息度：给定语义图关键关系类型集合Rt*，以及该语义图的ELSRR摘要σL＝σC,≤，ELSSR的信息度定义为： 其中，Vb和Rb是基图的实体集合与关系集合，V和R是语义图的实体集合与关系集合；S44：返回信息度Iσ；算法4是ELSSR信息度计算方法；具体步骤如下：S51：初始化相应变量Iμ,Vb,Vσ,VN,Rb；S52：计算μL的实体数量；S53：根据公式3计算信息度Iμ；定义7ELSSR的信息度：给定语义图关键关系类型集合Rt*及其阈值μRt*，该语义图的ELSSR摘要μL＝μC,≤，ELSSR的信息度定义为： 其中Vμ为μC所包含的所有实体集合；S54：返回信息度Iμ。

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西南大学，其通讯地址为：400715 重庆市北碚区天生路2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”。