申请/专利权人:广州启辰电子科技有限公司
申请日:2024-02-29
公开(公告)日:2024-04-02
公开(公告)号:CN117807192A
主分类号:G06F16/33
分类号:G06F16/33;G06F16/36;G06F16/901;G06N3/0455;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种基于图编码的学科知识图谱复杂查询方法、系统、设备和介质,查询方法步骤如下:预处理学科知识图谱复杂查询数据集;初始化复杂查询的查询图中所有节点和边的向量表示,并设置迭代次数L;对查询图执行逻辑消息传递操作,每个节点得到对应的逻辑消息集合;将节点及该节点对应的逻辑消息集合输入注意力聚合器得到节点的更新向量表示;重复执行前两个步骤L次,得到所有节点向量表示经过L次更新的查询图;基于查询图中自由变量节点的向量表示使用NCE损失函数优化注意力聚合器和相关参数。该发明提出的注意力聚合器能够捕获输入向量集合各个元素之间的依赖关系并动态衡量不同元素的重要性,从而获得更优的节点聚合向量表示。
主权项:1.一种基于图编码的学科知识图谱复杂查询方法,其特征在于,所述学科知识图谱复杂查询方法包括以下步骤:S1、对收集到的书本教材进行知识抽取得到对应的学科知识图谱;S2、对学科知识图谱执行遍历操作得到复杂查询数据集;S3、构建复杂查询数据集中学科知识图谱复杂查询对应的查询图,为查询图中所有节点和边分配初始向量表示,并根据该查询图的最大深度设置迭代次数L;S4、对查询图执行逻辑消息传递操作,查询图中每个节点得到一个逻辑消息集合;S5、将每个节点及该节点对应的逻辑消息集合输入注意力聚合器得到节点的更新向量表示;S6、重复执行步骤S4和步骤S5共L次,得到所有节点向量表示经过L次更新的查询图;S7、取上述查询图中自由变量节点的向量表示,基于该向量表示使用NCE损失函数优化所述注意力聚合器、两个d维向量和学科知识图谱中所有实体和关系的向量表示;S8、对用户实时输入的学科知识图谱复杂查询执行步骤S3至步骤S6得到对应自由变量节点的向量表示;S9、将上述自由变量节点的向量表示与学科知识图谱中各个实体的向量表示进行基于余弦相似度的对比,检索得到最相似的实体作为该查询的答案返回给用户。
全文数据:
权利要求:
百度查询: 广州启辰电子科技有限公司 基于图编码的学科知识图谱复杂查询方法、系统、设备和介质
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。