申请/专利权人：福州大学

申请日：2023-09-28

公开（公告）日：2023-12-29

公开（公告）号：CN117312573A

主分类号：G06F16/36

分类号：G06F16/36;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明提出基于多尺度时间卷积神经网络的时态知识图谱补全模型，所述时态知识图谱补全在内推设置下进行；所述时态知识图谱补全模型MSTC工作时，首先增强实体和关系之间的交互作用，得到融合后的特征表示，并且输入到多个尺度的时间卷积层中进行卷积操作，每个尺度依次经过“年”、“月”、“日”卷积层的卷积，再经过拉平、全连接操作后得到该尺度的输出特征，最后将多个尺度的输出特征进行融合，得到融合了实体、关系和时间信息的增强嵌入表示，并输出到得分模块计算得分；本发明能在卷积神经网络中融合时间信息、提取不同尺度的多语义信息、减少卷积层的参数量，改善时态知识图谱补全TKGC性能。

主权项：1.基于多尺度时间卷积神经网络的时态知识图谱补全模型，其特征在于：所述时态知识图谱是将实体、概念和它们之间的关系以图方式呈现出来的，用于表示知识和组织的图结构，以公式表述为G＝{G1，G2，…，Gt}，其中Gt表示时间戳t下的快照；所述时态知识图谱补全在内推设置下进行，任务定义为：基于时间戳t之前和之后的事实{G1，…，Gt-1，Gt+1}…}，预测宾语查询s,r,？,t或主语查询？,r,o,t的答案；所述时态知识图谱补全模型MSTC工作时，首先增强实体和关系之间的交互作用，得到融合后的特征表示，并且输入到多个尺度的时间卷积层中进行卷积操作，每个尺度依次经过“年”、“月”、“日”卷积层的卷积，再经过拉平、全连接操作后得到该尺度的输出特征，最后将多个尺度的输出特征进行融合，得到融合了实体、关系和时间信息的增强嵌入表示，并输出到得分模块计算得分。

全文数据：

权利要求：

百度查询： 福州大学 基于多尺度时间卷积神经网络的时态知识图谱补全模型

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD