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！

龙图腾网获悉浙江工业大学申请的专利一种基于电商知识图谱的商品信息自动问答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：CN116881409B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310571076.9，技术领域涉及：G06F16/3329；该发明授权一种基于电商知识图谱的商品信息自动问答方法是由杨旭华;张宇迪;项贤通;徐振华;徐新黎设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种基于电商知识图谱的商品信息自动问答方法在说明书摘要公布了：基于电商知识图谱的商品信息自动问答方法，用于电商领域的知识图谱问答任务，包括：首先统计电商知识图谱中的实体与关系种数并分别赋予初始分数，其次将用户提出的自然语言问题分词后提取主题实体，从电商知识图谱中对应的实体节点出发，利用三元组的头实体分数与关系分数计算尾实体的分数并更新实体分数集合，得到一种可解释的知识图谱问答核心路径推理模型。本发明通过提取自然语言问题特征向量来在电商知识图谱中计算推理路径，从而提高商品信息自动问答的准确性和可解释性。

本发明授权一种基于电商知识图谱的商品信息自动问答方法在权利要求书中公布了：1.一种基于电商知识图谱的商品信息自动问答方法，具体步骤如下： 步骤1分析电商知识图谱并理解其每个部分的含义； 步骤2为电商知识图谱中每个实体和关系分配对应的索引，据此构造索引矩阵； 步骤3使用预训练模型编码用户问题得到问题向量与词向量矩阵，将问题分词 并构造屏蔽向量； 步骤4初始化实体分数集合；具体包括：创建一个长度为实体种类数量的集合，主 题实体索引指向的位置填入初始分数，其余位置填入初始分数，初始化的表示为： 其中表示实体的分数，初始化时； 步骤5通过步骤3中的问题向量计算问题的过渡向量； 步骤6通过步骤5中的过渡向量与前一时刻的特征向量计算问题的整合向量；具体 包括：计算当前时刻电商用户提出的自然语言问题的整合向量： 其中是激活函数,符号代表向量的拼接，为从1开始的正整数，代表时 刻的问题特征向量，初始，代表将向量输入多层感知机并输出维的向 量； 步骤7通过步骤3中的词向量矩阵与屏蔽向量计算问题中每个词的权重分布；具体 包括：任选自然语言问题中第个词，计算当前时刻问题中第个词的权重分布 其中 其中，表示时刻自然语言问题中的第个词与问题的相似度，符号 代表点乘运算，符号表示获取向量的第个元素，代表屏蔽向量；遍历自然语 言问题中所有的词，计算所有词的权重分布； 步骤8通过步骤7中的权重分布与步骤3中的词向量矩阵计算问题的特征向量；具 体包括：计算当前时刻问题的特征向量： 其中，符号表示将中的每个元素与中对应行的全部元素相乘，函数的作用是将矩阵每列元素相加； 步骤9通过步骤8中的特征向量计算电商知识图谱中的关系分数矩阵与跳数分数矩阵；具体包括：首先计算电商知识图谱关系分数矩阵： 其中的每个元素代表对应关系的分数；之后计算跳数分数矩阵 其中每个元素代表对应推理跳跃的分数； 步骤10通过步骤2中的索引矩阵提取电商知识图谱每个三元组头实体、关系与尾实 体的索引向量，通过步骤9中的关系分数矩阵计算每个头实体的分数与每个关系的分数； 具体包括：从中批量提取电商知识图谱每个三元组头实体、关系与尾实体的索引向量、和, 其中表示提取矩阵第列；计算电商知识图谱每个头实体的分数与每个关系 的分数 其中分别表示头实体与关系的分数集合；函数表示从中提取以 值作为索引的分数； 步骤11通过步骤10中头实体的分数与每个关系的分数计算电商知识图谱的尾实 体分数并更新实体分数集合；具体包括：计算当前时刻的电商知识图谱的尾实体分数集 合： 其中代表将中指向相同尾实体的分数相加，代表根据尾实体的索引使用中的分数更新集合中对应元素的分数； 步骤12通过步骤9中的跳数分数矩阵与步骤11中的实体分数集合计算电商知识图谱中每个实体的最终分数；公式如下： 步骤13通过步骤12中每个实体的最终分数计算模型损失函数； 步骤14重复执行步骤6步骤13，当损失小于指定最小损失值后结束计算，最终分 数最高的实体就是答案。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号浙江工业大学；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。