【技术实现步骤摘要】
本专利技术涉及知识图谱嵌入，具体涉及一种通过gat提取代表性子图信息的知识图谱嵌入方法。
技术介绍
1、目前使用图注意力神经网络提取知识图谱中的实体与关系嵌入是一种非常常见且主流的方法，其提取出的知识表示在链接预测、事实预测等任务中表现的十分出色。然而也是由于图注意力神经网络的问题需要对模型进行预训练，这也就导致了训练一个模型所带来的时间空间成本都比较大，相比于其他的方法所需的参数更多，对数据的要求也较高。
2、对于传统的图注意力网络(graph attention networks, gat)提取邻域信息而言，需要考虑整个知识图谱的邻域信息，也就是整个知识图谱都需要在gat中训练若干遍，然而对于这些邻域信息而言，有不少是过量的，这些过量的邻域信息反复训练很容易导致两个问题，问题一是造成严重的资源浪费以及时间成本的增加，问题二则是很容易导致过拟合造成部分实体训练效果下降。
3、针对最接近的现有技术，直接在知识图谱中应用gat更新实体嵌入，该方法存在知识图谱过大，需要大量的时间空间成本。
【技术保护点】
1.一种通过GAT提取代表性子图信息的知识图谱嵌入方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的通过GAT提取代表性子图信息的知识图谱嵌入方法，其特征在于：所述步骤（1）中提取知识图谱的代表性子图的具体步骤如下：
3.根据权利要求1所述的通过GAT提取代表性子图信息的知识图谱嵌入方法，其特征在于：所述步骤2中利用注意力机制神经网络提取代表性子图中的领域信息的具体步骤如下：
4.根据权利要求1所述的通过GAT提取代表性子图信息的知识图谱嵌入方法，其特征在于：所述步骤（4）中用步骤（3）中提取到的领域信息对知识图谱进行训练提...
【技术特征摘要】
1.一种通过gat提取代表性子图信息的知识图谱嵌入方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的通过gat提取代表性子图信息的知识图谱嵌入方法，其特征在于：所述步骤（1）中提取知识图谱的代表性子图的具体步骤如下：
3.根据权利要求1所述的通过gat提取代表性子图信息的知识图谱嵌入方法，其特征在于：所述步骤2中利用注意力机制神经网络提取代表性子图中的领域信息的具体步骤如下：
4.根据权利要求1所述的通过gat提取代表性子图信息的知识图谱嵌入方法，其特征在于：所述步骤（4）中用步骤（3）中提取到的领域信息对知识图...
【专利技术属性】
技术研发人员：王宏志，鲁文博，王雨茁，刘畅，黄靖宇，
申请(专利权)人：江苏天人工业互联网研究院有限公司，
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。