一种采用注意力机制的循环神经嵌入表示方法技术

本发明专利技术公开了一种采用注意力机制的循环神经嵌入表示方法，包括如下步骤：S1，构建基于随机游走的方法对知识图谱中以三元组中两实体为两端进行多跳路径的提取，多跳路径包括关系路径和实体路径；S2，利用循环神经网络在序列中的良好效果，进而将多跳实体路径嵌入表示成其对应的多跳实体路径向量，多跳关系路径嵌入表示成其对应的多跳关系路径向量，根据注意力机制用来实现对以知识图谱中三元组两端构成的实体子图和关系子图的向量表示。本发明专利技术利用RNN实现对知识图谱的向量表示，实现对知识图谱全局特征的提取，提出了Att

【技术实现步骤摘要】
一种采用注意力机制的循环神经嵌入表示方法


[0001]本专利技术涉及知识图谱嵌入表示
，特别是涉及一种采用注意力机制的循环神经嵌入表示方法。

技术介绍

[0002]目前，知识图谱表示学习技术取得了巨大的进步，表示学习可以是利用机器学习实现知识图谱中实体和关系的低维稠密向量表示。大致分为基于翻译模型、双线性模型、基于神经网络模型和图嵌入模型。
[0003]图嵌入包括节点嵌入，边嵌入和整图嵌入。其中Node2vec、deepWalk和RDF2Vec将Skip
‑
gram扩展到图数据，对序列中节点之间的高阶相似性进行建模。LINE和SDNE考虑到图中有大量节点间的连接是缺失的情况，采用节点的二阶相似性作为一阶相似性的补充，即利用两节点共有的邻居节点来表征它们的相似性。
[0004]然而，上述知识图谱嵌入表示方法中，通常很难兼顾基于知识图谱特征表示的时间和空间的简单性和全局特征信息的表征。

技术实现思路

[0005]针对上述问题，本专利技术的目的在于提出一种采用注意力机制的循环神经嵌入表示方法，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用注意力机制的循环神经嵌入表示方法，其特征在于，包括如下步骤：S1，构建基于随机游走的方法对知识图谱中以三元组中两实体为两端进行多跳路径的提取，多跳路径包括关系路径和实体路径；S2，利用循环神经网络在序列中的良好效果，进而将多跳实体路径嵌入表示成其对应的多跳实体路径向量，多跳关系路径嵌入表示成其对应的多跳关系路径向量，根据注意力机制用来实现对以知识图谱中三元组两端构成的实体子图和关系子图的向量表示。2.根据权利要求1所述的采用注意力机制的循环神经嵌入表示方法，其特征在于，步骤S1具体包括：S11，定义相关概念，其中包括子图、关系子图、实体...

【专利技术属性】
技术研发人员：胡余强，刘琳岚，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：