基于自适应注意力机制的知识图谱补全方法、装置和设备制造方法及图纸

本申请涉及一种基于自适应注意力机制的知识图谱补全方法、装置和设备，包括：首先，获取智能问答系统知识图谱中不完整三元组的邻居实体和对应的邻居关系；不完整三元组由已知实体、待补全实体以及已知实体和待补全实体的已知关系组成；接着，将已知实体、已知关系、邻居实体和对应的邻居关系映射到指定计算空间后进行拼接，得到候选元素，计算各个候选元素的注意力得分；然后，根据注意力得分的最大值自适应确定候选元素的保留数量，根据保留数量得到优化元素；最后由优化元素组成优化序列，根据优化序列预测得到补全值，完成智能问答系统的知识图谱补全任务。采用本方法能够兼顾智能问答结果的准确性和实时性。能问答结果的准确性和实时性。能问答结果的准确性和实时性。

【技术实现步骤摘要】
基于自适应注意力机制的知识图谱补全方法、装置和设备


[0001]本申请涉及知识图谱补全
，特别是涉及一种基于自适应注意力机制的知识图谱补全方法、装置和设备。

技术介绍

[0002]随着人工智能和大数据技术的发展，知识图谱因为其良好的搜索性能和较高的存储质量，成为了数据的主流存储方式，知识图谱往往用三元组（头实体，关系，尾实体），即（h, r, t）来表示现实世界的事物，结构性好，直观性强。知识图谱作为结构化的显性知识，在语义表示、语义理解、语义推理、智能问答等语义计算任务中发挥着越来越重要的作用。虽然目前知识图谱中实体的数量可达到数十亿的水平，但大多知识图谱仍然相对稀疏，这影响了知识图谱的数据质量和整体结构性，导致知识图谱实际应用效果不佳。为了缓解该问题，知识图谱补全技术成为研究热点。
[0003]智能问答系统就是基于大量语料数据组成的知识图谱，通过相关编程语言实现的能够和人类进行对话、解决问题的软件系统。智能问答系统要求有较高的搜索精度，实现真正的所答即所问。
[0004]现有知识图谱补全模型存在欠缺关系和相似实体学习能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应注意力机制的知识图谱补全方法，其特征在于，所述方法包括：获取智能问答系统知识图谱中不完整三元组的邻居实体和对应的邻居关系；所述不完整三元组由已知实体、待补全实体以及已知实体和待补全实体的已知关系组成；其中的实体和关系均有对应的文本描述信息；将所述已知实体、已知关系、邻居实体和对应的邻居关系映射到指定计算空间后进行拼接，得到候选元素，计算各个所述候选元素的注意力得分；根据所述注意力得分的最大值自适应确定候选元素的保留数量，根据所述保留数量得到优化元素；由优化元素组成优化序列，根据所述优化序列预测得到所述待补全实体的补全值，完成智能问答系统的知识图谱补全任务。2.根据权利要求1所述的方法，其特征在于，根据所述注意力得分的最大值自适应确定候选元素的保留数量，包括：根据所述注意力得分的最大值自适应确定候选元素的保留数量为：；其中，为保留数量，为基础系数，为调整系数，为注意力最大值，为向上取整函数。3.根据权利要求1所述的方法，其特征在于，根据所述优化序列预测得到补全值，包括：根据所述优化序列中当前优化元素的Query值和各个优化元素的Key值分别计算得到各个优化元素的权重值，根据各个所述权重值和对应的Value值得到当前优化元素对应的重构元素；遍历所述优化序列，得到所有优化元素对应的重构元素，以此得到对应的重构序列；所述Query值、Key值和Value值是通过将所述优化序列输入预先构建的自注意力模块中计算得到的；将所述重构序列输入预先构建的全连接网络，输出得到各个重构元素对应的优化权重值，根据所述优化权重值和优化序列对应的特征向量得到待补全实体对应的填充值。4.根据权利要求3所述的方法，其特征在于，根据所述优化序列中当前优化元素的Query值和各个优化元素的Key值分别计算得到各个优化元素的权重值，根据各个所述权重值和对应的Value值得到当前优化元素对应的重构元素，包括：以所述优化序列中当前优化元素的Query值为基准Query值；...

【专利技术属性】
技术研发人员：任小丽，任开军，徐青，李小勇，邓科峰，邵成成，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：