【技术实现步骤摘要】
本专利技术属于知识图谱更新优化，更具体地，涉及一种基于图神经网络的情报知识图谱优化方法及系统。
技术介绍
1、图神经网络（graph neural networks, gnns）是一种基于图结构数据的神经网络模型，用于处理和分析具有复杂关系和互连性的数据。
2、图神经网络包括：
3、图（graph）：由节点（nodes）和边（edges）组成，节点代表实体，边代表实体之间的关系。
4、节点特征（node features）：每个节点有一个特征向量，表示节点的属性或状态。
5、边特征（edge features）：每条边也可以有一个特征向量，表示边的属性或状态。
6、但是现有技术中并没有一种技术方案，能够基于图神经网络对情报知识图谱进行优化。
技术实现思路
1、为解决以上技术问题，本专利技术提出一种基于图神经网络的情报知识图谱优化方法，所述情报知识图谱为卫星数据的知识图谱，包括：
2、对所述情报知识图谱进行拓扑，生成情报...
【技术保护点】
1.一种基于图神经网络的情报知识图谱优化方法，所述情报知识图谱为卫星数据的知识图谱，其特征在于，包括：
2.如权利要求1所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，所述特征更新模型包括：
3.如权利要求2所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，计算情报知识图谱拓扑图第层中从第个节点到第个节点的注意力权重包括：
4.如权利要求3所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，所述更新后数据准确度评估模型包括：
5.如权利要求4所述的一种基于图神经网络的情报知识图谱优化方法，其...
【技术特征摘要】
1.一种基于图神经网络的情报知识图谱优化方法，所述情报知识图谱为卫星数据的知识图谱，其特征在于，包括：
2.如权利要求1所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，所述特征更新模型包括：
3.如权利要求2所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，计算情报知识图谱拓扑图第层中从第个节点到第个节点的注意力权重包括：
4.如权利要求3所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，所述更新后数据准确度评估模型包括：
5.如权利要求4所述的一种基于图神经网络的情报知识图谱优化方法，其特征在于，第个节点的时间损失函数包括：
...【专利技术属性】
技术研发人员：莫然，杨威，王义，韩阳，王涛，王颖，姚永祥，王赟，端海旺，朱忠敏，刘玉东，
申请(专利权)人：成都国恒空间技术工程股份有限公司，
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。