【技术实现步骤摘要】
本专利技术属于深度学习的，具体涉及一种基于图神经网络的知识图谱相似性评估方法。
技术介绍
1、图是编码关系结构的自然表征，社交网络、知识图谱、以及化学物质表达式等均可用图结构数据进行表示。随着深度学习的发展，图神经网络(graph neural networks，gnns)开始在图结构的监督预测问题上崭露头角。gnns通过设计和计算图节点的表征来保持图节点排序的不变性。随后，可以将节点表征直接应用到节点分类任务中，或将节点表征合并为图表征，应用到图表征的监督分类或回归任务中。
2、定义在图结构上的计算对知识图谱的相似性搜索以及推荐系统等任务也大有裨益，其中很多任务均涉及图结构的相似性评估。然而，利用图神经网络解决图相似性评估问题的方法还处于发展中。本专利技术提出一种基于图神经网络的图结构相似性评估方法，用于评估知识图谱间的相似性。
技术实现思路
1、本专利技术的目的在于提供一种基于图神经网络的知识图谱相似性评估方法，旨在评估知识图谱间的相似性。
2、本专利技术主要通...
【技术保护点】
1.一种基于图神经网络的知识图谱相似性评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的知识图谱相似性评估方法，其特征在于，所述步骤S10包括以下步骤：
3.根据权利要求2所述的一种基于图神经网络的知识图谱相似性评估方法，其特征在于，所述步骤S20中采用基于节点类型的注意力机制，聚集任意节点v∈V来自其邻居节点信息，包括以下步骤：
4.根据权利要求3所述的一种基于图神经网络的知识图谱相似性评估方法，其特征在于，所述步骤S30中聚集节点v∈V的交叉节点信息，包括以下步骤：
5.根据权利要求4...
【技术特征摘要】
1.一种基于图神经网络的知识图谱相似性评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的知识图谱相似性评估方法，其特征在于，所述步骤s10包括以下步骤：
3.根据权利要求2所述的一种基于图神经网络的知识图谱相似性评估方法，其特征在于，所述步骤s20中采用基于节点类型的注意力机制，聚集任意节点v∈v来自其邻居节点信息，包括以下步骤：
4.根据权利要求3所述的一种基于图神经网络的知识图谱相似性评估方法，其特征在于，...
【专利技术属性】
技术研发人员：刘清华，朱绪胜，陈代鑫，周力，刘树铜，马帅，刘磊，秦琪，蔡怀阳，陈俊佑，
申请(专利权)人：成都飞机工业集团有限责任公司，
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。