一种基于近似蕴涵共现图卷积网络的知识图谱嵌入方法技术

本发明专利技术提供一种基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，包括：利用近似蕴涵共现图卷积网络模型CoAE‑GCN提取知识图谱中实体和关系的共现特征，并将所述共现特征作为输入向量；利用图卷积网络学习知识图谱的局部特征，得到实体和关系的嵌入；利用近似蕴涵挖掘知识图谱中的隐含关系规则；结合注意力机制，利用图卷积网络提取节点的局部结构特征，生成中间嵌入表示；利用图卷积网络和全连接层对实体嵌入个关系嵌入进行合并，通过激励函数计算，将二值交叉熵损失函数最小化；优化损失函数，学习最佳参数配置，实现知识图谱的补全。

【技术实现步骤摘要】

本专利技术涉及人工智能，具体而言，尤其涉及一种基于近似蕴涵共现图卷积网络的知识图谱嵌入方法。

技术介绍

1、知识图谱是一种结构化数据存储形式。现实世界的知识图谱存在着固有的不完全性，激发了知识图谱补全(kgc)的研究。不完整的知识图谱限制了信息检索中搜索和检索算法的有效性。知识图谱嵌入(kge)形式的知识图谱补全已成为解决预测缺失事实挑战的一种积极方法。kge通过获取实体和关系的分布式低维表示来实现知识图谱中的准确预测。

2、知识图谱(kg)在众多人工智能应用中得到了广泛应用。自然界其复杂的常识导致了知识图谱需要不停构建、补充并更新。为了应对不完全知识三元组的变化，引入了知识图谱补全任务(kgc)，其目的是通过成功预测缺失的关系来补全缺失的三元组。kgc致力于解决不完全知识三元组的问题，增强知识图谱的全面性。然而，目前的方法面临三个主要挑战：(1)如何充分利用实体和关系的共现特征来增强模型的表达能力；(2)如何提取kg的局部结构特征；(3)如何模拟具有复杂语义的关系。

3、在知识图谱嵌入中，采用的第一种范式是平移嵌入，利用低维向量空本文档来自技高网...

【技术保护点】

1.一种基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，包括：

2.根据权利要求1所述的基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，所述步骤S1具体包括：

3.根据权利要求1所述的基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，所述步骤S2具体包括：

4.根据权利要求1所述的基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，所述步骤S3具体包括：

5.根据权利要求1所述的基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，所述步骤S5具体包括：

【技术特征摘要】

1.一种基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，包括：

2.根据权利要求1所述的基于近似蕴涵共现图卷积网络的知识图谱嵌入方法，其特征在于，所述步骤s1具体包括：

3.根据权利要求1所述的基于近似蕴涵共现图卷积网络的知识图谱嵌入方法...

【专利技术属性】
技术研发人员：李冠宇，邹英奇，宁博，张东，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：