【技术实现步骤摘要】
本专利技术属于知识图谱，具体的说是一种基于生成扩散的知识图谱补全方法及系统。
技术介绍
1、知识图谱是将实体与各种类型的关系连接起来的信息的结构化表示，在信息组织、数据集成、语义理解和知识发现等方面发挥着关键作用。然而，随着新兴语料的不断出现，知识图谱经常会面临稀疏数据的情况，这会严重影响其可用性和安全性。因此，知识图谱补全是人工智能和知识表示领域的一项关键任务，它涉及预测知识图谱中缺失的关系或边缘。完成知识图谱补全有助于发现以前未知的事实或关系，识别潜在的安全威胁或隐私泄露，提高知识图谱的全面性和准确性，使其更适用于各种应用，例如信息检索、问答和推荐系统。
2、随着深度学习的发展，各种具有强大学习能力的神经网络将知识图谱补全(即链接预测)推到了更高的水平。为了使神经网络取得更好的效果，最关键的是要提高输入样本的质量。从知识图谱中提取的输入样本通常被归类为正样本，但高质量负样本的构造却是一个具有挑战性的问题。我们不能将知识图谱中未发生的链接视为真正的负样本，因为它们可能会在未来出现或由于数据丢失而出现。优秀的负样本是图中两个...
【技术保护点】
1.一种基于生成扩散的知识图谱补全方法，其特征在于，包括以下具体步骤：
2.如权利要求1所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤S1的具体方法为：
3.如权利要求2所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤S2中的具体方法为：
4.如权利要求3所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤S3的具体方法为：
5.如权利要求4所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤S4的具体方法为：
6.如权利要求5所述的一种基于生成扩散的知识图谱...
【技术特征摘要】
1.一种基于生成扩散的知识图谱补全方法，其特征在于，包括以下具体步骤：
2.如权利要求1所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤s1的具体方法为：
3.如权利要求2所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤s2中的具体方法为：
4.如权利要求3所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤s3的具体方法为：
5.如权利要求4所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所述步骤s4的具体方法为：
6.如权利要求5所述的一种基于生成扩散的知识图谱补全方法，其特征在于，所...
【专利技术属性】
技术研发人员：张楠，杨文清，张万才，张文强，苏婧仪，
申请(专利权)人：南瑞集团有限公司，
类型：发明
国别省市：
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。