一种知识图谱归纳链接预测方法及预测系统技术方案

本发明专利技术公开了一种知识图谱归纳链接预测方法及预测系统，其中预测方法包括步骤：1）给定目标节点，在知识图谱中抽取两个节点之间的封闭子图；2）获取封闭子图中各节点与目标节点之间的相对位置，对封闭子图各节点进行向量化表示以获得节点位置特征；3）获取各节点的度信息并对其进行向量化表示，得到节点结构特征；4）将节点位置特征与节点结构特征进行拼接，得到节点初始特征；5）将步骤4）中得到的节点初始特征h<subgt;i</subgt;输入至预先构建的基于图神经网络的链接预测模型中，得到预测结果。本发明专利技术由于融合了结构特征与位置特征，可以有效提高预测精度。

【技术实现步骤摘要】

本专利技术主要涉及知识图谱，具体涉及一种知识图谱归纳链接预测方法及预测系统。

技术介绍

1、知识图谱是一种用于表示和存储客观世界知识的图形化知识库，采用三元组（实体-关系-实体）的方式进行形式化描述。由于现实世界的知识总是不断增长和变化的，知识图谱存在不完备性。链接预测技术针对这一问题展开研究来推理实体之间可能存在的关系。随着gnn的飞速发展，由于知识图谱结构与图结构天然的适配性，基于gnn的链接预测方法成为研究热点。其中，子图归纳推理框架grail是最具代表性的方法之一。它的主要思想是，首先提出一个关于目标节点的封闭子图，然后使用gnn对子图进行学习，最后设计评分函数对关系进行预测，后续也有研究在子图提取与子图学习机制的设计上展开了进一步研究，但是这些工作目前还存在一些问题。这类方法普遍采用双半径顶点标记法将节点的位置特征作为初始特征。然而，位置特征只反映了节点在图谱中的相对距离，忽略了节点自身的内部结构信息和关联信息。这种简化特征表示无法准确地捕捉节点之间的相似性和相关性，导致模型在链接预测任务中的表现下降。gnn可以采用属性信息对节点进行初始化，而对本文档来自技高网...

【技术保护点】

1.一种知识图谱归纳链接预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的知识图谱归纳链接预测方法，其特征在于，步骤1）的具体过程为：

3.根据权利要求2所述的知识图谱归纳链接预测方法，其特征在于，步骤2）的具体过程为：

4.根据权利要求3所述的知识图谱归纳链接预测方法，其特征在于，步骤3）的具体过程为：

5.根据权利要求1-4中任意一项所述的知识图谱归纳链接预测方法，其特征在于，步骤5）中的基于图神经网络的链接预测模型在训练阶段时，采用图神经网络对封闭子图进行建模，将知识图谱中的目标三元组对应的封闭子图输入图神经网络开始学习封闭子...

【技术特征摘要】

1.一种知识图谱归纳链接预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的知识图谱归纳链接预测方法，其特征在于，步骤1）的具体过程为：

3.根据权利要求2所述的知识图谱归纳链接预测方法，其特征在于，步骤2）的具体过程为：

4.根据权利要求3所述的知识图谱归纳链接预测方法，其特征在于，步骤3）的具体过程为：

5.根据权利要求1-4中任意一项所述的知识图谱归纳链接预测方法，其特征在于，步骤5）中的基于图神经网络的链接预测模型在训练阶段时，采用图神经网络对封闭子图进行建模，将知识图谱中的目标三元组对应的封闭子图输入图神经网络开始学习封闭子图的表示。

6.根据权利要求5所述的知识图谱归纳链接预测方法，其特征在于，通过...

【专利技术属性】
技术研发人员：黄健，周葱，周思航，张中杰，
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：