【技术实现步骤摘要】
一种基于混合翻译模型的带时间知识图谱嵌入方法
本专利技术涉及知识图谱嵌入领域，具体涉及一种基于混合翻译模型的带时间知识图谱嵌入方法。
技术介绍
知识图谱是一种有向图，以现实世界中的不同实体作为节点，不同的关系作为有向图上的边。一组现实世界中存在的事实通常以三元组(h,r,t)的形式表示，其中h表示头部实体，t表示尾部实体，r表示两个实体之间的关系。虽然构建的知识图谱包含大量的事实，但是经常出现知识图谱需要补全的情况。知识图谱补全的任务即预测最有可能缺失的实体和关系，头部实体的预测即预测该情况(？,r,t)下最有可能的头部实体，对于尾部实体的预测即预测该情况(h,r,？)，对于关系的预测即预测该种情况(h,？,t)。由于从真实世界所构建的知识图谱是巨大且结构复杂的，基于符号化的方法和传统逻辑的方法既不是可扩展的，也不适合于当前知识图谱补全的任务。知识图谱嵌入已经成为知识图谱补全的一种重要方法之一。在知识图谱表示学习中，基于翻译模型的知识图谱嵌入方法简单有效，并且在相关的预测任务上有良好的表现。它试图在连续向量空间中学习...
【技术保护点】
1.一种基于混合翻译模型的带时间知识图谱嵌入方法，其特征在于，包括以下步骤：/n步骤1：输入需要补全的时序知识图谱数据集，根据数据集大小进行初始化设置；/n步骤2：使用混合翻译模型对知识图谱的嵌入表示进行更新，得到嵌入表示结果；/n步骤3：根据嵌入表示结果对使用的知识图谱数据集进行补全操作。/n
【技术特征摘要】
1.一种基于混合翻译模型的带时间知识图谱嵌入方法，其特征在于，包括以下步骤：
步骤1：输入需要补全的时序知识图谱数据集，根据数据集大小进行初始化设置；
步骤2：使用混合翻译模型对知识图谱的嵌入表示进行更新，得到嵌入表示结果；
步骤3：根据嵌入表示结果对使用的知识图谱数据集进行补全操作。
2.根据权利要求1所述的基于混合翻译模型的带时间知识图谱嵌入方法，其特征在于，步骤1中，所述初始化设置具体步骤为：
步骤A1：随机初始化数据集中实体与关系，以向量的形式进行展现，得到初始的关系向量与实体向量；
步骤A2：对于每个关系向量，加入到关系集合R当中，对于每个实体向量，加入到实体集合E当中。
3.根据权利要求1所述的基于混合翻译模型的带时间知识图谱潜入方法，其特征在于，步骤2中，所述使用混合翻译模型对知识图谱的嵌入表示进行更新，具体步骤为：
步骤B1：从数据集的训练集中采样固定大小为batch的一批数据；
步骤B2：构建负样本数据集，对batch中的三元组，随机替换h、r或t生成一个错误的三元组加入到这一批数据当中，构成当前批次所用的训练数据；
步骤B3：将正确三元组(h,r,t)与错误三元组[(h,r`,t)、(h`,r,t)或(h,r,t`)]从实体空间映射到关系空间，得到关系空间中的正确三元组(h⊥,r,t⊥)与错误三元组[(h⊥,r`,t⊥)、(h⊥`,r,t⊥)或(h⊥,r,t⊥`)]；
步骤B4：将关系空间中的所有三元组投影到相应时间τ所构建的超平面上；
步骤B5：计算损失函数，采用梯度下降的算法更新实体与关系的嵌入表示；
步骤B6：重复步骤B1-B5，直至得到的结果稳定。
4.根据权利要求3所述的基于混合翻译模型的带时间知识图谱嵌入方法，其特征在于，步骤B2中，所述构建负样本数据集的方式为：
h、r、t、h`、r`、t`表示实...
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。