一种基于结构选择和全局位置信息的知识超图补全方法技术

本发明专利技术公开了一种基于结构选择和全局位置信息的知识超图补全方法

【技术实现步骤摘要】
一种基于结构选择和全局位置信息的知识超图补全方法


[0001]本专利技术涉及知识超图
，尤其涉及一种基于结构选择和全局位置信息的知识超图补全方法
。

技术介绍

[0002]知识超图，是一种图结构的知识库，以多元组的形式存储世界中的各种事实，可以被视作知识图谱的推广
。
由于现实世界中存在大量事实，在知识超图中存储所有事实是不现实的，因此，对现有知识超图的最大挑战是其严重的不完整性，即，部分实体间的链接是缺失的
。
[0003]相关技术中，多元关系链接预测方法大多是将关系及实体表示成低维向量空间中的嵌入，将关系及实体中所蕴含的信息学习到相应的嵌入中，然后通过嵌入计算的结果确定现有的实体之间未知链接
。
目前，多元关系链接预测模型主要分为三类：基于翻译的模型
、
基于张量分解的模型和基于神经网络的模型
。
[0004]然而，现有模型对知识超图中的结构信息考虑不足，忽略了知识超图中的复杂结构信息对知识超图补全任务的提升作用
。r/>
技术实现思路
<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于结构选择和全局位置信息的知识超图补全方法，其特征在于，包括：根据原始知识超图，确定待处理实体嵌入矩阵和待处理关系嵌入矩阵，以及，确定至少一个训练样本数据集，其中，每个所述训练样本数据集中包括正例多元组和基于所述正例多元组构建的负例多元组；将所述待处理实体嵌入矩阵
、
所述待处理关系嵌入矩阵以及所述至少一个训练样本数据集输入至待训练模型中，得到与每个所述正例多元组对应的正例得分以及与每个所述负例多元组对应的负例得分，其中，所述待训练模型包括实体邻域信息融合模块
、
实体全局位置信息融合模块以及解码器模块；根据所述正例得分和所述负例得分，确定目标模型损失，并基于所述目标模型损失对所述待训练模型进行模型参数调整，得到链接预测模型
。2.
根据权利要求1所述的方法，其特征在于，所述根据原始知识超图，确定待处理实体嵌入矩阵和待处理关系嵌入矩阵，包括：根据所述原始知识超图，构建与所述原始知识超图中每个多元组对应的上下文样本数据组，其中，所述上下文样本数据组包括所述多元组中每个实体对应的上下文样本数据集，所述上下文样本数据集包括正例上下文样本和至少一个负例上下文样本；根据所述每个多元组对应的上下文样本数据组对预先构建的初始实体嵌入矩阵和初始关系嵌入矩阵进行更新，得到待处理实体嵌入矩阵和待处理关系嵌入矩阵，其中，所述初始实体嵌入矩阵和所述初始关系嵌入矩阵基于所述原始知识超图构建
。3.
根据权利要求2所述的方法，其特征在于，所述根据原始知识超图，构建与所述原始知识超图中每个多元组对应的上下文样本数据组，包括：针对所述原始知识超图中的每个多元组，确定所述多元组中包括的每个实体对应的正例上下文样本；确定与所述原始知识超图对应的邻接矩阵，并根据所述邻接矩阵，确定与每个所述实体对应的至少一个实体结构相似度；针对所述原始知识超图中每个实体，根据预设负采样规则和所述实体对应的至少一个实体结构相似度，确定与所述实体对应的负例上下文样本；根据所述正例上下文样本和所述负例上下文样本，确定与所述实体对应的上下文样本数据集；根据与每个所述实体对应的上下文样本数据集，确定所述原始知识超图中每个所述多元组对应的上下文样本数据组
。4.
根据权利要求2所述的方法，其特征在于，所述根据所述每个多元组对应的上下文样本数据组对预先构建的初始实体嵌入矩阵和初始关系嵌入矩阵进行更新，得到待处理实体嵌入矩阵和待处理关系嵌入矩阵，包括：将每个所述...

【专利技术属性】
技术研发人员：罗光春，许毅，秦科，戴瑞婷，解修蕊，董强，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：