【技术实现步骤摘要】
本专利技术涉及复杂生态技术，尤其涉及复杂生态智慧大脑驱动的数据知识图谱构建方法及系统。
技术介绍
1、知识图谱作为一种结构化的知识表示形式，在人工智能的各个领域，例如自然语言处理、推荐系统和知识推理等，发挥着越来越重要的作用。传统的知识图谱构建方法通常依赖于人工构建或基于规则的自动化方法，这些方法存在效率低下、可扩展性差以及难以适应复杂多变的现实世界数据等问题。近年来，随着深度学习和图神经网络的兴起，研究者开始探索利用这些技术来自动构建和推理知识图谱。
2、现有方法通常难以有效地处理多模态数据。现实世界中的数据往往包含文本、图像、音频等多种模态的信息，而现有方法大多只关注单一模态的数据，难以充分利用多模态数据中丰富的语义信息。
3、现有方法在知识推理方面仍有局限性。知识推理是知识图谱的重要功能之一，但现有方法的推理能力往往受限于浅层的推理路径，难以进行复杂的多跳推理。
4、现有方法缺乏有效的优化机制。知识图谱的构建是一个迭代优化的过程，需要不断地对图谱结构和知识进行修正和完善，而现有方法往往缺乏有效的...
【技术保护点】
1.复杂生态智慧大脑驱动的数据知识图谱构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述图谱特征指纹计算所述初始图谱结构中实体间的相似度矩阵，并利用所述特征集合从所述相似度矩阵中筛选相关性高于预设相似阈值的实体对包括：
3.根据权利要求1所述的方法，其特征在于，基于所述实体关联置信度指标分别对所述初始图谱结构和所述推理路径集合中的数据通过BERT-Large模型、Vision Transformer模型和Wav2Vec模型提取多模态特征，所述多模态特征包括文本特征、图像特征和音频特征，并利用跨模态注意力机制将所述多...
【技术特征摘要】
1.复杂生态智慧大脑驱动的数据知识图谱构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述图谱特征指纹计算所述初始图谱结构中实体间的相似度矩阵，并利用所述特征集合从所述相似度矩阵中筛选相关性高于预设相似阈值的实体对包括：
3.根据权利要求1所述的方法，其特征在于，基于所述实体关联置信度指标分别对所述初始图谱结构和所述推理路径集合中的数据通过bert-large模型、vision transformer模型和wav2vec模型提取多模态特征，所述多模态特征包括文本特征、图像特征和音频特征，并利用跨模态注意力机制将所述多模态特征进行对齐和融合，生成统一的多模态知识表示向量包括：
4.根据权利要求1所述的方法，其特征在于，基于所述多模态知识表示向量通过shap方法识别影响特征，将所述影响特征输入问题演化图通过因果推理计算传播概率，将所述传播概率与所述图谱特征指纹进行对比分析生成优化目标包括：
5.根据权利要求4所述的方法，其特征在于，将所述多模态知识表示向量输入改进的shap模型，所述改进的shap模型基于特征组合评估机制计算特征间的协同效应，得到特征重要性得分；...
【专利技术属性】
技术研发人员：高经郡，高海玲，王智钟，
申请(专利权)人：北京科杰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。