一种基于同质性引导的对比学习知识图谱链接预测方法技术

本发明专利技术提供了一种基于同质性引导的对比学习知识图谱链接预测方法，属于知识图谱链接预测技术领域。本发明专利技术可以同时挖掘知识图谱中的显式和隐式同质性来丰富实体表示。在显式同质性对比学习中，通过随机游走算法为每个实体采样得到特定的子图，并在子图内部使用注意力机制为子图中每个实体生成最符合上下文子图的动态实体表示，并设计编码器提取子图内部的同质性特征。隐式同质性被看作实体在潜在空间中的关联性，引入实体概念级的信息计算实体的语义关联矩阵，为在潜在空间中每个实体捕捉隐式同质特征。本发明专利技术旨在通过自监督的方式挖掘显式和隐式同质性这两者的协作信号从而解决以往方法在无法捕捉高阶信息和对实体语义的忽略。

【技术实现步骤摘要】

本专利技术属于知识图谱链接预测，涉及一种使用知识图谱同质性对实体表示进行引导的对比学习知识图谱链接预测方法。

技术介绍

1、知识图谱是大量三元组的集合，形式为(头，关系，尾)，表示为(h，r，t)。三元组之间的联系也揭示实体之间的关系，并在各种人工智能应用场景中发挥着重要作用，如问答、推荐系统。但在真实世界中，知识图谱总是存在不完整的问题，也就是说知识图谱中缺乏大量有效的链接。在这种情况下，链接预测技术：自动预测头部实体和尾部实体是否存在关系的链接预测技术对于三元组triple的构建和验证至关重要。

2、已经提出各种方法在知识图谱的链接预测任务邻域。传统的方法基于知识图谱的嵌入，通过实体和关系的映射到低维嵌入空间来学习嵌入向量，并计算实体和关系嵌入的分数来评估三元组的合理性，比如基于嵌入的方法transe、transr,和张量分解类的方法，像distmult、rescal。但这些经典的模型独立处理每个三元组内的实体关系，不能对三元组之间的相互作用进行建模。随后，许多基于连接的方法进一步增强kg链路预测，这些方法对实体之间的多种连接模式进行建模，本文档来自技高网...

【技术保护点】

1.一种基于同质性引导的对比学习知识图谱链接预测方法，其特征在于，该方法包括以下步骤：

【技术特征摘要】

1.一种基于同质性引导的对比学习知识图谱链接...

【专利技术属性】
技术研发人员：原旭，王维鹤，李世瑾，王龙飞，秦昌媛，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：