基于隐性关系注意力网络的小样本医学知识图谱补全方法技术

一种基于隐性关系注意力网络的小样本医学知识图谱补全方法，首先在医学知识图谱中对任务医学关系进行特征提取，并捕捉一跳邻居的信息，实现任务医学实体的增强嵌入，然后对任务医学实体获取头尾实体邻居关系嵌入的相似性和动态关系嵌入，最后对两者进行融合，获得更具语义细粒度的关系表征，通过计算头实体、关系和尾实体之间的分数，来实现医学知识图谱补全。本发明专利技术考虑了医学知识图谱的邻居信息和关系嵌入信息，并进行融合，在小样本场景下，补全效果正确性高，效果好。

【技术实现步骤摘要】

本专利技术涉及医学知识图谱领域，特别是指基于隐性关系注意力网络的小样本医学知识图谱补全方法。

技术介绍

1、随着医学相关领域的快速发展，越来越多的前沿医学数据和知识产生。知识图谱可以将医学数据以及知识进行整合，从而形成一种结构化，图形化的知识表示方式。当前医学知识图谱涵盖了各种医学主题，例如治疗方法，药物，诊断方法等方面。但是当前医学知识图谱也存在诸多问题，比如术语多样化，知识分散，维护困难，因此如何构建一个更加有效的医学知识图谱变成了一个新的挑战。

2、医学知识图谱补全是通过自动化的方法来对知识图谱中的缺失的信息进行填补，从而完善图谱的结构，提高知识的可用性，并发现新的关联。在当前的医学知识图谱中，不同类型的关系往往呈现出明显的长尾分布，即大量的关系只有数量很少的实体对，传统的补全方法无法得到较好的效果，因此研究小样本医学知识图谱补全成为目前亟待解决的迫切需求。

技术实现思路

1、为了克服当前医学知识图谱补全方法在小样本场景下补全面临的准确度低，效率不高等方面的不足，本专利技术提出了一种基于隐性本文档来自技高网...

【技术保护点】

1.一种基于隐性关系注意力网络的小样本医学知识图谱补全方法，其特征在于，首先，在医学知识图谱中对任务医学关系进行特征提取，并捕捉一跳邻居的信息，实现任务医学实体的增强嵌入；然后，对任务医学实体获取头尾实体邻居关系嵌入的相似性和动态关系嵌入；最后，对两者进行融合，获得更具语义细粒度的关系表征，通过计算头实体、关系和尾实体之间的分数，来实现医学知识图谱补全。

2.如权利要求1所述的基于隐性关系注意力网络的小样本医学知识图谱补全方法，其特征在于，所述方法包括以下步骤：

【技术特征摘要】

1.一种基于隐性关系注意力网络的小样本医学知识图谱补全方法，其特征在于，首先，在医学知识图谱中对任务医学关系进行特征提取，并捕捉一跳邻居的信息，实现任务医学实体的增强嵌入；然后，对任务医学实体获取头尾实体邻居关系嵌入的相似性和动态关系嵌入；...

【专利技术属性】
技术研发人员：杨旭华，李起耀，黄玉娇，徐新黎，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：