全网唯一标准王
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210108258.8 (22)申请日 2022.01.28 (71)申请人 齐鲁工业大学 地址 250353 山东省济南市长清区大 学路 3501号 (72)发明人 李爱民 李稼川 刘笑含 李静  (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 黄海丽 (51)Int.Cl. G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于加权图卷积网络的知识图谱补全方法 及系统 (57)摘要 本发明公开了基于加权图卷积网络的知识 图谱补全方法及系统, 其中所述方法包括: 获取 待补全的知识图谱; 将待补全的知识图谱, 输入 到训练后的编解码器中, 得到补全后的知识图 谱; 其中, 所述编解码器, 包括依次连接的编码器 和解码器; 所述编码器为加权图卷积网络; 所述 解码器为特征交互卷积网络; 所述特征交互卷积 网络, 包括依次连接的随机排列单元、 棋盘整形 单元、 循环卷积单元、 批量归一化单元和损失函 数单元。 本发明获得了比ConvE更强的特征交互 能力, 从而实现了比Co nvE更好地性能。 权利要求书2页 说明书9页 附图1页 CN 114443862 A 2022.05.06 CN 114443862 A 1.基于加权图卷积网络的知识图谱补全方法, 其特 征是, 包括: 获取待补全的知识图谱; 将待补全的知识图谱, 输入到训练后的编解码器中, 得到补全后的知识图谱; 其中, 所 述编解码器, 包括依次连接的编 码器和解码 器; 所述编 码器为加权图卷积网络; 所述解码 器 为特征交互卷积网络; 所述特征 交互卷积网络, 包括依次连接的随机排列单元、 棋盘整形单 元、 循环卷积单 元、 批量归一 化单元和损失函数 单元。 2.如权利要求1所述的基于加权图卷积网络的知识图谱补全方法, 其特征是, 所述待补 全的知识图谱, 包括: 若干个三元组; 每 个三元组均包 含“实体‑关系‑实体属性 ”; 所述训练后的编解码器; 训练过程包括: 构建训练集; 所述训练集 为已知知识图谱预测路径标签的待补全知识图谱; 将训练集, 输入到编解码器中, 对编解码器进行训练, 当损失函数值停止下降时, 停止 训练, 得到训练后的编解码器。 3.如权利要求1所述的基于加权图卷积网络的知识图谱补全方法, 其特征是, 加权图卷 积网络, 包括L层, 每一层均是将实体视为节 点, 将实体属性也视为节点, 将实体与实体属性 之间的关系视为节点与节点之间的连接边, 为每条 连接边设置 权重; 其中L 为正整数。 4.如权利要求1所述的基于加权图卷积网络的知识图谱补全方法, 其特征是, 随机排列 单元, 工作原理包括: 随机排列后的数据表示 为: 其中, 表示第n个第一嵌入向量; 表示第n个第二嵌入向量。 5.如权利要求1所述的基于加权图卷积网络的知识图谱补全方法, 其特征是, 棋盘整形 单元, 工作原理包括: 运用整形函数η: 将嵌入向量es和er变换为矩阵η(es,er), 其中m×n= 2d; 将棋盘整形函数 应用于 棋盘整形函数将es和er中的元素排列成m ×n的矩阵A: A= ηchr(Pr)。 6.如权利要求1所述的基于加权图卷积网络的知识图谱补全方法, 其特征是, 循环卷积 单元, 工作原理包括: 对于二维输入矩阵 使用滤波器为 的循环卷积: 其中, [z]n代表z模n, [·]表示floor函数, k代 表内核宽度。 7.如权利要求1所述的基于加权图卷积网络的知识图谱补全方法, 其特征是, 批量归一 化单元, 工作原理包括: 将每一个特 征图作为 一个处理单元进行归一 化处理; 损失函数 单元, 工作原理包括: θ(es,er,eo)=f(vec(g( η(Pr)Θω))W)eo权 利 要 求 书 1/2 页 2 CN 114443862 A 2其中vec(·)表示向量连接, Θ表示加入BN预处理的循环卷积网络, W是一个可学习的 权值矩阵, eo表示对象实体的嵌入矩阵, 函数f和g分别使用sigmo id和ELU函数。 8.基于加权图卷积网络的知识图谱补全系统, 其特 征是, 包括: 获取模块, 其被 配置为: 获取待补全的知识图谱; 补全模块, 其被配置为: 将待补全的知识图谱, 输入到训练后的编解码器中, 得到补全 后的知识图谱; 其中, 所述编解码器, 包括依 次连接的编码器和解码器; 所述编码器为加权 图卷积网络; 所述解码 器为特征 交互卷积网络; 所述特征 交互卷积网络, 包括依次连接的随 机排列单 元、 棋盘整形 单元、 循环卷积单 元、 批量归一 化单元和损失函数 单元。 9.一种电子设备, 其特 征是, 包括: 存储器, 用于非暂时性存 储计算机可读指令; 以及 处理器, 用于运行 所述计算机可读指令, 其中, 所述计算机可读指令被所述处理器运行时, 执行上述权利要求1 ‑7任一项所述的 方法。 10.一种存储介质, 其特征是, 非暂时性地存储计算机可读指令, 其中, 当所述非暂时性 计算机可读指令由计算机执 行时, 执行权利要求1 ‑7任一项所述方法的指令 。权 利 要 求 书 2/2 页 3 CN 114443862 A 3

.PDF文档 专利 基于加权图卷积网络的知识图谱补全方法及系统

文档预览
中文文档 13 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于加权图卷积网络的知识图谱补全方法及系统 第 1 页 专利 基于加权图卷积网络的知识图谱补全方法及系统 第 2 页 专利 基于加权图卷积网络的知识图谱补全方法及系统 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 08:56:47上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。