一种基于多特征融合学习的时序知识图谱补全方法技术

本发明专利技术公开了一种基于多特征融合学习的时序知识图谱补全方法，涉及知识图谱领域，用以提高时序知识图谱补全的准确率。本发明专利技术将时序知识图谱转换为四元组形式，分别从文本特征、语义知识特征和时间演化特征三个方面挖掘时序知识图谱中实体和关系的隐含特征，对三个特征采用注意力机制进行融合、预测，以此训练预测模型，最后用训练的模型对待补全的时序知识图谱进行预测补全。本发明专利技术以外部语义库扩充了实体关系语义知识，增强了模型对上下文和语义的理解；同时挖掘原始文本特征、语义知识特征和时序历史特征这三个关键特征进行融合，提高了模型预测补全能力。

【技术实现步骤摘要】

本专利技术涉及知识图谱，尤其是一种基于多特征融合学习的时序知识图谱补全方法。

技术介绍

1、随着信息技术的快速发展和大数据的涌现，知识图谱的体量不断增长，其中包含了丰富的实体、属性和关系。同时，真实世界中的事件往往具有时序性，在一段时间内会发生演变，不同的实体和关系会随着时间的推移而产生变化。故而提出了时序知识图谱这一概念。与传统知识图谱一样，时序知识图谱也存在不完整和缺失问题，在动态演变过程中，对未来事件的预测也至关重要。因此，针对真实世界中复杂的时间动态，不断探索和发展时序知识图谱补全的研究至关重要。

2、公开号为cn115238855a的中国专利文献提出了一种基于图神经网络的时序知识图谱的补全方法及相关设备，其获取多个历史时刻的时序知识图谱和当前时刻的时序知识图谱，分别对每个所述时序知识图谱进行预处理；将经过所述预处理的全部所述时序知识图谱输入至经过预训练的补全模型中，得到当前时刻的所述时序知识图谱上每个节点的最终表示向量；通过相似度计算模型从预先构建的候选集中选取与所述最终表示向量对应的节点的相似度最大的候选节点作为补全节点，并基于所述本文档来自技高网...

【技术保护点】

1.一种基于多特征融合学习的时序知识图谱补全方法，其特征在于，包括：

2.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，所述使用循环神经网络对四元组中已有张量的文本进行嵌入学习，得到文本特征向量，包括：

3.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，在使用预训练模型对扩充的语义知识进行嵌入学习前，还包括：

4.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，所述使用外部语义库对四元组扩充语义知识，为使用WordNet对四元组扩充语义知识。

5.如权利要求1所述的...

【技术特征摘要】

1.一种基于多特征融合学习的时序知识图谱补全方法，其特征在于，包括：

2.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，所述使用循环神经网络对四元组中已有张量的文本进行嵌入学习，得到文本特征向量，包括：

3.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，在使用预训练模型对扩充的语义知识进行嵌入学习前，还包括：

4.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，所述使用外部语义库对四元组扩充语义知识，为使用wordnet对四元组扩充语义知识。

5.如权利要求1所述的基于多特征融合学习的时序知识图谱补全方法，其特征在于，在使用预训练模型对扩充的语义知识进行嵌入学习时，先在扩充的语义知识的首尾分别添加第一标识和第二标识。

【专利技术属性】
技术研发人员：李瑞，王琳方，徐悦甡，李婵，邢钧峰，杨溢，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人