申请/专利权人：大连理工大学

申请日：2023-12-28

公开（公告）日：2024-04-12

公开（公告）号：CN117875423A

主分类号：G06N5/025

分类号：G06N5/025;G06N5/045;G06N3/045;G06N3/044;G06N3/0464;G06N3/0475;G06N3/094;G06F18/2415

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：一种基于复空间循环相关关系模型的知识图谱嵌入中链接预测方法及模型，属于知识图谱领域，为了解决提高模型预测准确性问题，技术要点是所述模型CircularE包括特征提取层、循环相关网络层以及自适应对抗负抽样层，其中，所述预测方法包括循环相关网络层将复数域中的循环相关算子应用于复空间，通过循环相关算子对头实体的初始特征、尾实体的初始特征以及关系的初始特征进行距离测量量规计算；自适应对抗负抽样层通过距离测量量规获得打分函数，根据打分函数获得正样本为真的可能性以及负样本被选中的可能性；通过优化函数对模型CircularE进行训练，得到优化的模型CircularE；对于给定三元组头实体和关系的前提下，优化的模型CircularE评估得分最高的尾实体。

主权项：1.一种基于复空间循环相关关系模型的知识图谱嵌入中链接预测方法，其特征在于，所述模型CircularE包括特征提取层、循环相关网络层以及自适应对抗负抽样层，其中，所述预测方法包括：S10.特征提取层将知识库中的结构化数据扩展到复数域空间并抓取初始特征，包括头实体的初始特征、尾实体的初始特征以及关系的初始特征；S20.循环相关网络层将复数域中的循环相关算子应用于复空间，通过循环相关算子对头实体的初始特征、尾实体的初始特征以及关系的初始特征进行距离测量量规计算；S30.自适应对抗负抽样层通过距离测量量规获得打分函数，根据打分函数获得正样本为真的可能性以及负样本被选中的可能性；S40.通过优化函数对模型CircularE进行训练，得到优化的模型CircularE；S50.对于给定三元组头实体和关系的前提下，优化的模型CircularE评估得分最高的尾实体。

全文数据：

权利要求：

百度查询： 大连理工大学 基于复空间循环相关关系模型的知识图谱嵌入中链接预测方法及模型

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