基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法技术

本发明专利技术提出了一种基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，用以现有方法无法捕获共现事实的结构信息、拓扑子图的关系信息以及时间戳间融合的时间信息的技术问题。本发明专利技术的步骤为：设计一种新奇的基于注意力机制的关系图卷积神经网络模型作为结构依赖编码器，获得共现事实的结构信息；设计拓扑感知的关系相关性单元，通过边级相关性网络学习不同模式的拓扑关系图，进而得到关系嵌入；将结构信息和关系嵌入送入双门控机制来融合时序信息；通过时间解码模块来完成对未来的预测任务。对四个基准数据集的大量实验表明，本发明专利技术从性能的优越性、有效性和各模块的奠基性三个方面都适用于外推问题，且优于最先进的时序知识图谱外推模型。

【技术实现步骤摘要】

本专利技术涉及时序知识图谱外推的，尤其涉及一种基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法。

技术介绍

1、知识图谱(knowledge graph,kg)通常以结构化的方式表示真实世界的事件或事实，即一种异构的图谱，是结点表示事件、边表示事件之间的语义关系。知识图谱在知识驱动的任务当中，如智慧交通、信息检索、推荐系统和健康医疗等方面具有显著优势。然而，先前的研究着眼于静态的数据。

2、随着时间的发展，交互的数据得到丰富，事件在真实世界的动态演化过程中的潜在知识需要被挖掘，这就衍生了对时序知识图谱(temporal knowledge graph,tkg)的需求。在时序知识图谱中每个事实以四元组的形式表示，即(头实体，关系，尾实体，时间戳)。如图1所示，通过捕获q1、q2和q3事件的共现事实和深层次周期性的网络攻击模式，识别攻击者的外部ip和其非法行为，图1中的实例(攻击者,非授权访问,数据库服务器,2023/03/30)和(外部ip,扫描,内部网络,2023/06/30)说明了这一点。通过分析这些事实，可以发现是周期性发生的模式，本文档来自技高网...

【技术保护点】

1.一种基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，其步骤如下：

2.根据权利要求1所述的基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，对未来时间戳t+1处的事实预测取决于图谱快照内结构的依赖性以及图谱快照间连续知识图谱下的序列时间信息和不同时间戳下知识图谱的周期性时间信息；

3.根据权利要求1或2所述的基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，所述获得共现事实的结构信息的方法为：

4.根据权利要求3所述的基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，...

【技术特征摘要】

1.一种基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，其步骤如下：

2.根据权利要求1所述的基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，对未来时间戳t+1处的事实预测取决于图谱快照内结构的依赖性以及图谱快照间连续知识图谱下的序列时间信息和不同时间戳下知识图谱的周期性时间信息；

3.根据权利要求1或2所述的基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，所述获得共现事实的结构信息的方法为：

4.根据权利要求3所述的基于拓扑感知的动态关系图和时序融合的时序知识图谱外推方法，其特征在于，所述拓扑感知关系相关性单元包含拓扑关系图和边级相关性网络两部分，拓扑关系图包含六种不同拓扑模式的关系，边级相关性网络引入注意力网络gatv2来学习所有拓扑模式的相关性系数，使用六个线性转换并考虑周期性关系的演化，通过拼接语义相关性表示与周期性表示，得到最终的关系嵌入；

5.根据权利要求4所述的基于拓扑感知的动态关系图...

【专利技术属性】
技术研发人员：马江涛，李坤霖，乔亚琼，韩文杰，张帆，马宇科，程佳，王艳军，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：