申请/专利权人：福州大学

申请日：2023-12-01

公开（公告）日：2024-03-22

公开（公告）号：CN117743591A

主分类号：G06F16/36

分类号：G06F16/36;G06F18/25;G06F40/295;G06N3/042;G06N3/0442;G06N3/0455;G06N3/0464;G06N3/049;G06N3/08;G06N5/022;G06N5/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种基于可变与固有属性感知网络的时态知识图谱补全方法。构建了一种新颖的模型：可变属性与固有属性感知的网络（VIAaNet）。本发明设计了一种多粒度时间解码器来建模可变信息，它利用时间特征融合和卷积操作，深入挖掘实体和关系在多粒度时间下的可变属性。为了建模固有信息，本发明设计了全时间图注意力机制，赋予实体基于历史的固有属性。同时，本发明使用Conv‑TransE作为解码器，以获取与时间不相关的固有属性。最后，整合可变和固有特征来预测缺失的实体。在四个基准数据集上的实体链接预测的实验结果证明了VIAaNet模型的优越性。

主权项：1.一种基于可变与固有属性感知网络的时态知识图谱补全方法，其特征在于，构建一种可变属性与固有属性感知的网络VIAaNet，遵循编码器-解码器架构，在编码器部分，设计一种全时间图注意力网络FTG在完整时间下建模图结构信息，计算目标实体邻域的注意力分数，提取并聚合邻域实体在三个时间粒度下的特征，得到新的实体嵌入，其包含基于历史经验的固有属性；同时利用关系更新矩阵以及LSTM机制分别获得更新后的关系嵌入以及动态的时间嵌入序列；在解码器部分，设计一种多粒度时间卷积网络MGCNN，它与Conv-TransE一起共同组成解码器，Conv-TransE接收经由编码器更新的实体嵌入和关系矩阵更新的关系嵌入，提取实体和关系的固有属性；MGCNN接收实体和关系嵌入，同时接收由LSTM更新的时间嵌入，而后通过模拟实体和关系在三种时间粒度、两种时间顺序情况下的演化过程，提取可变属性；在融合固有属性和可变属性两种特征后，预测候选宾语实体或主语实体的概率分布。

全文数据：

权利要求：

百度查询： 福州大学 基于可变与固有属性感知网络的时态知识图谱补全方法

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