【技术实现步骤摘要】
本专利技术涉及知识图谱，尤其涉及一种基于临界对抗学习的社会事件图谱关系补全方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、在化解社会矛盾过程中，通常需要构建社会事件知识图谱进行分析风险，但是，这些知识图谱往往是不完整的，存在许多缺失的关系或节点。
3、图谱链接预测，又称图谱补全，是一种预测知识图谱中缺失链接的自动推理技术。现有的图谱链接预测方法有四个方向，分别是：基于向量转换的模型、基于语义匹配的模型、基于卷积神经网络的模型和基于图神经网络的模型。最近，许多方法都集中在知识图嵌入上，通过子图聚合将实体和关系映射到低维向量空间，同时尽可能保留结构和语义信息。这些最先进的方法主要基于图嵌入预测源节点和目标节点之间的链接得分，但忽略了不同交互子图中的三元组嵌入的含义。然而，三元组之间的交互方式不同，链接预测模型可能缺乏交互性，即知识图谱的嵌入表征存在噪声和不确定性。由于链接预测基于图谱嵌入实现，这些嵌入噪声严重影响链接预测的性能。
【技术保护点】
1.一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，包括：
2.如权利要求1所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述临界对抗损失具体为：
3.如权利要求1所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述知识图谱关系预测模型的损失函数为：交叉熵损失和临界对抗损失之和。
4.如权利要求3所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述交叉熵损失计算方法为：
5.如权利要求4所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所...
【技术特征摘要】
1.一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，包括：
2.如权利要求1所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述临界对抗损失具体为：
3.如权利要求1所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述知识图谱关系预测模型的损失函数为：交叉熵损失和临界对抗损失之和。
4.如权利要求3所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述交叉熵损失计算方法为：
5.如权利要求4所述的一种基于临界对抗学习的社会事件图谱关系补全方法，其特征在于，所述映射分数具体为：
6.如权利要求4所述的一种基于临界对抗学习的社会事件图...
【专利技术属性】
技术研发人员：朱锦雷，闵万里，丁鑫，张鑫，张琨，张传锋，胡丹，
申请(专利权)人：神思电子技术股份有限公司，
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。