一种知识图谱嵌入的链路预测方法、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CN115757809A(43)申请公布日2023.03.07(21)申请号202211292555.9(22)申请日2022.10.21(71)申请人中国人民解放军国防科技大学地址410073湖南省长沙市开福区砚瓦池正街47号(72)发明人任开军徐青任小丽宋君强李小勇邓科峰(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师王本晋(51)Int.Cl.G06F16/36(2019.01)G06F18/214(2023.01)G06N3/0464(2023.01)G06N3/08(2023.01)权利要求书2页说明书11页附图3页(54)发明名称一种知识图谱嵌入的链路预测方法、系统、设备及介质(57)摘要本发明公开了一种知识图谱嵌入的链路预测方法、系统、设备及介质，本方法通过获取知识图谱训练数据集中的实体和关系；将实体嵌入至第一维度空间，并将关系嵌入至第二维度空间，获得实体嵌入向量和关系嵌入向量；将实体嵌入向量和关系嵌入向量分别嵌入至标准化单位向量，获得标准化单位向量输出的标准化实体向量和标准化关系向量；拼接标准化实体向量和标准化关系向量，获得输入向量；采用第一全连接网络将输入向量投影至第三维度空间，获得特征向量；采用第二全连接网络将特征向量投影至第一维度空间，获得输出向量；基于输出向量，构建得分函数；通过得分函数计算获得候选实体的链路预测结果。本发明能够捕获长距离交互，提升链路预测的效果。CN115757809ACN115757809A权利要求书1/2页1.一种知识图谱嵌入的链路预测方法，其特征在于，所述知识图谱嵌入的链路预测方法包括：获取知识图谱训练数据集中的实体和关系；将所述实体嵌入至第一维度空间，并将所述关系嵌入至第二维度空间，获得所述第一维度空间输出的实体嵌入向量和所述第二维度空间输出的关系嵌入向量；将所述实体嵌入向量和所述关系嵌入向量分别嵌入至标准化单位向量，获得标准化实体向量和标准化关系向量；拼接所述标准化实体向量和所述标准化关系向量，获得输入向量；采用第一全连接网络将所述输入向量投影至第三维度空间，获得特征向量；采用第二全连接网络将所述特征向量投影至第一维度空间，获得输出向量；基于所述输出向量，构建得分函数；通过所述得分函数计算获得候选实体的链路预测结果。2.根据权利要求1所述的知识图谱嵌入的链路预测方法，其特征在于，通过如下公式对所述标准化实体向量和所述标准化关系向量进行拼接，获得输入向量：其中，V表示输入向量，表示实体h的标准化实体向量，表示关系r的标准化关系向量，k表示k维第一维度空间，j表示j维第二维度空间。3.根据权利要求2所述的知识图谱嵌入的链路预测方法，其特征在于，所述采用第一全连接网络将所述输入向量投影至第三维度空间，获得特征向量，包括：将所述第一维度空间的k维度和所述第二维度空间的j维度相乘，获得m维度的第三维度空间；采用第一全连接网络将所述输入向量V投影至m维度的所述第三维度空间，获得特征向量。4.根据权利要求3所述的知识图谱嵌入的链路预测方法，其特征在于，所述采用第二全连接网络将所述特征向量投影至第一维度空间，获得输出向量，包括：将激活函数作用于所述特征向量，并采用第二全连接网络将所述特征向量投影至第一维度空间，获得低维向量；将所述低维向量输入至dropout层，获得输出向量。5.根据权利要求4所述的知识图谱嵌入的链路预测方法，其特征在于，所述基于所述输出向量，构建得分函数，包括：获取实体t对应的标准化实体向量；将所述输出向量与所述实体t对应的标准化实体向量进行点乘，构建出得分函数：其中，W1和b1表示生成所述特征向量的所述第一全连接网络的参数，W2和b2表示生成所述输出向量的所述第二全连接网络的参数，φ表示激活函数。6.根据权利要求1所述的知识图谱嵌入的链路预测方法，其特征在于，所述知识图谱嵌入的链路预测方法还包括：通过sigmoid(·)函数处理所述得分函数，获得所述候选实体的概率分布；2CN115757809A权利要求书2/2页从所述知识图谱训练数据集中获得所述候选实体对应的实体标签的目标概率分布；通过损失函数衡量所述概率分布和所述目标概率分布之间的差距，构建所述损失函数为：其中，y表示标签向量，p表示每个标签的概率，i表示所述标签向量的标号，N表示i的上限。7.一种知识图谱嵌入的链路预测系统，其特征在于，所述知识图谱嵌入的链路预测系统包括：数据获取单元，用于获取知识图谱训练数据集中的实体和关系；数据嵌入单元，用于将所述实体嵌入至第一维度空间，并将所述关系嵌入至第二维度空间，获得所述第一维度空间输出的实体嵌入向量和所述第二维度空间输出的关系嵌入向量；向量标准化单元，用于将所述实体嵌入向量和所述关系嵌入向量分