【技术实现步骤摘要】
本专利技术涉及知识图谱关系识别领域，尤其涉及一种基于深度学习的关系自动识别方法及系统。
技术介绍
1、近年来，基于图神经网络的方法在知识图谱关系识别任务中取得了显著的进展。这些方法能够利用图数据的拓扑结构和节点特征来学习实体之间的关系，一些研究利用迁移学习和预训练模型(如bert)来提升关系识别的性能，通过在大规模文本数据上进行预训练，然后在知识图谱上进行微调。
2、而电力系统知识图谱的数据种类繁多，关系复杂，知识图谱中的实体和关系数据通常是稀疏的，导致模型难以充分学习到所有实体之间的关系，而且现有方法难以处理知识图谱的动态更新和变化。
技术实现思路
1、为了解决上述问题，本专利技术的目的在于提供一种基于深度学习的关系自动识别方法及系统，能够更深入地学习节点间的隐藏层次关系，有助于捕捉更加复杂的关系模式，提高识别的精度和可靠性。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种基于深度学习的关系自动识别方法，包括以下步骤：
4、步骤...
【技术保护点】
1.一种基于深度学习的关系自动识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的关系自动识别方法，其特征在于，所述步骤S1具体为：
3.根据权利要求1所述的一种基于深度学习的关系自动识别方法，其特征在于，所述基于训练集训练多层次的图神经网络模型，通过最小化预测的关系类型和真实关系类型之间的差异来调整模型参数，具体为：
4.根据权利要求3所述的一种基于深度学习的关系自动识别方法，其特征在于，所述使用Adam优化算法更新模型参数，具体如下：
5.根据权利要求1所述的一种基于深度学习的关系自动识别...
【技术特征摘要】
1.一种基于深度学习的关系自动识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的关系自动识别方法，其特征在于，所述步骤s1具体为：
3.根据权利要求1所述的一种基于深度学习的关系自动识别方法，其特征在于，所述基于训练集训练多层次的图神经网络模型，通过最小化预测的关系类型和真实关系类型之间的差异来调整模型参数，具体为：
4.根据权利要求3所述的一种基于深度学习的关系自动识别方法，其特征在于，所述使用adam优化算法更新模型参数，具体如下：
5.根据权利要求1所述的一种基于深度学习的关系自动识别方法，其特征在于，所述步骤s5具体为：
6.根据权利要求5所述的一种基于深度学习的关系自动...
【专利技术属性】
技术研发人员：张毅琦，刘青，陈智鹏，黄怡，王金发，吴国猛，陈严炜，
申请(专利权)人：国网信通亿力科技有限责任公司，
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。