基于循环网络和对比学习的时序知识图构造推理方法技术

本发明专利技术公开了一种基于循环网络和历史学习的时序知识图谱构造推理方法，主要解决现有方法在处理大规模、复杂的数据时存在诸多局限性的问题。方案包括：1)进行时间事件联合分布建模，将联合分布分解为条件分布序列，由条件分布概率生成对象实体；2)构造包括循环事件编码器和邻域聚合器的循环事件网络模型，生成时序知识图谱；3)利用参数学习推断和历史对比学习进行时序知识图谱的推理，从历史和非历史的的依赖关系中学习实体的分布，结合从两种依赖性中学习到的分布、掩码向量和条件概率生成最终推理结果。本发明专利技术保证了捕获和理解时间相关信息的准确性，提高处理事件之间的时间顺序和相关性的准确率，从而有效提高了推理和预测的精度。

【技术实现步骤摘要】

本专利技术属于信息安全，进一步涉及知识图谱构造推理方法，具体为一种基于循环网络和对比学习的时序知识图谱构造推理方法，可用于构造时序知识图谱并进行推理补全。

技术介绍

1、随着互联网和大数据技术的飞速发展，各类信息数据呈现出爆炸式的增长，如何在海量数据中发现有价值的信息，提取关键的知识，成为了当今社会亟待解决的问题。时序知识图谱构造推理作为一种高效的信息挖掘和知识发现技术，对于推动社会进步和经济发展具有重要意义。

2、时序知识图谱构造推理的主要目标是通过对时间序列数据的分析，挖掘出数据中的潜在规律和关联关系，进而构建出具有丰富语义信息的知识图谱。时序知识图谱通过引入时间维度，将时序数据与静态数据相结合，从而更好地挖掘数据中的潜在价值和知识。时序知识图谱构造推理的核心思想是将时序数据分析与图谱构建相结合，通过图谱中的节点和边来表示实体和关系，从而实现对数据的高效挖掘和知识发现。

3、然而，传统的时序数据分析和知识图谱构造方法在处理大规模、复杂的数据时存在诸多局限性。一方面，传统的分析方法往往依赖于人工经验，难以应对海量数据；另一方面，知本文档来自技高网...

【技术保护点】

1.一种基于循环网络和对比学习的时序知识图谱构造推理方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于：步骤(1)中所述事件，是带有时间戳的边缘，即主体实体、关系、客体实体和时间，用四元组(s，r，o，t)或三元组(st，rt，ot)表示；所述时间戳是离散整数，用于表示图或事件的相对顺序。

3.根据权利要求1所述的方法，其特征在于：步骤(2)中所述时序知识图谱，定义为节点之间带有时间戳边的多关系有向图，该图谱是建立在事件四元序列的基础上，且该事件四元根据其时间戳t按升序排列。

4.根据权利要求1所述的方法，其特征在于：步骤(2)...

【技术特征摘要】

1.一种基于循环网络和对比学习的时序知识图谱构造推理方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于：步骤(1)中所述事件，是带有时间戳的边缘，即主体实体、关系、客体实体和时间，用四元组(s，r，o，t)或三元组(st，rt，ot)表示；所述时间戳是离散整数，用于表示图或事件的相对顺序。

3.根据权利要求1所述的方法，其特征在于：步骤(2)中所述时序知识图谱，定义为节点之间带有时间戳边的多关系有向图，该图谱是建立在事件四元序...

【专利技术属性】
技术研发人员：李腾，张嘉婧，汪凡卓，范云，肖勇才，李德彪，马卓，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：