多数域空间融合的知识图谱嵌入方法、系统、设备及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115795050A(43)申请公布日2023.03.14(21)申请号202211535760.3(22)申请日2022.12.02(71)申请人成都数之联科技股份有限公司地址610000四川省成都市武侯区锦绣街8号2层270号(72)发明人请求不公布姓名(51)Int.Cl.G06F16/36(2019.01)G06F18/214(2023.01)权利要求书2页说明书9页附图1页(54)发明名称多数域空间融合的知识图谱嵌入方法、系统、设备及介质(57)摘要本发明提供了多数域空间融合的知识图谱嵌入方法、系统、设备及介质，涉及知识图谱嵌入领域，所述方法包括步骤：(1)构造训练集；(2)对训练集进行初始化处理；(3)对训练集进行采样处理，构造训练子集；(4)将训练子集导入知识图谱嵌入模型，获取不同数域空间下的三元组分数和注意力分数；(5)利用不同数域空间下的三元组分数和注意力分数对知识图谱嵌入模型进行迭代训练至收敛；(6)将知识图谱的三元组输入迭代训练后的知识图谱嵌入模型进行补全。本发明通过注意力机制结合在实数域、复数域、四元数域的计算，从不同空间捕获实体的特征信息，深度刻画实体和关系的空间表示，从而在知识图谱补全任务中提升三元组匹配的精确度。CN115795050ACN115795050A权利要求书1/2页1.一种多数域空间融合的知识图谱嵌入方法，其特征在于，所述方法包括以下步骤：(1)基于知识图谱的三元组和注意力参数构造训练集，并且将训练集导入知识图谱嵌入模型；(2)对不同数域空间下的三元组和注意力参数进行初始化处理；(3)对训练集进行采样处理，构造训练子集Δnew_batch；(4)将训练子集Δnew_batch导入知识图谱嵌入模型，基于旋转变换获取不同数域空间下的注意力分数和三元组分数；(5)利用不同数域空间下的注意力分数和三元组分数对知识图谱嵌入模型进行迭代训练至收敛；(6)将知识图谱的三元组输入迭代训练后的知识图谱嵌入模型进行补全。2.根据权利要求1所述的一种多数域空间融合的知识图谱嵌入方法，其特征在于，所述三元组包括头实体h、关系r以及尾实体t。3.根据权利要求2所述的一种多数域空间融合的知识图谱嵌入方法，其特征在于，对不同数域空间下的三元组和注意力参数进行初始化处理的步骤如下：(2.1)将训练集中三元组的头实体h和尾实体t随机初始化为n维向量，得到实体嵌入向量e，所述实体嵌入向量e包括头实体嵌入向量eh和尾实体嵌入向量et；将训练集中三元组的关系r随机初始化为n维向量，得到关系嵌入向量er；并且将注意力参数初始化为n维向量，得到注意力参数向量αr；(2.2)在实数空间中，将实体嵌入向量e和关系嵌入向量er作为知识图谱嵌入模型的输入；(2.3)在复数空间中，将实体嵌入向量e和关系嵌入向量er转化为复数向量，并且将复数向量作为知识图谱嵌入模型的输入；(2.4)在四元数空间中，将实体嵌入向量e和关系嵌入向量er转化为四元数向量，并且将四元数向量作为知识图谱嵌入模型的输入。4.根据权利要求1所述的一种多数域空间融合的知识图谱嵌入方法，其特征在于，对训练集进行采样处理，构造训练子集Δnew_batch的步骤如下：(3.1)从训练集中采样若干三元组和注意力参数，构造训练子集Δbatch，并且将三元组标记为正例；(3.2)对三元组进行替换处理，得到错误的三元组，并且将错误的三元组标记为负例；(3.3)将负例加入正例中，构造新的训练子集Δnew_batch。5.根据权利要求3所述的一种多数域空间融合的知识图谱嵌入方法，其特征在于，基于旋转变换获取不同数域空间下的注意力分数和三元组分数的步骤如下：(4.1)获取训练子集Δnew_batch中三元组的头实体嵌入向量eh和关系嵌入向量er；(4.2)在实数空间中，对关系嵌入向量er进行旋转变换，得到实数空间下的旋转矩阵Mr；并且基于旋转矩阵Mr和头实体嵌入向量eh，获取旋转变换的头实体嵌入向量fE；(4.3)在复数空间中，对头实体嵌入向量eh进行旋转变换，得到旋转变换的头实体嵌入向量fC；(4.4)在四元数空间中，对头实体嵌入向量eh进行旋转变换，得到旋转变换的头实体嵌入向量fQ；2CN115795050A权利要求书2/2页(4.5)将复数空间中的头实体嵌入向量fC拼接为与实时空间相同维度的复数拼接向量f′C，将四元数空间中的头实体嵌入向量fQ拼接为与实时空间相同维度的四元数拼接向量f′Q；(4.6)基于头实体嵌入向量fE、复数拼接向量f′C、四元数拼接向量f′Q以及注意力参数向量αr计算不同数域空间下的注意力分数aE,aC,aQ；(4.7)基于不同数域空间下的注意力分数aE,aC,aQ以及尾实体嵌入向量et计算不同数域空