[發明專利]一種基于圖卷積神經網絡的產業圖譜融合方法有效
| 申請號： | 201911394386.8 | 申請日： | 2019-12-30 |
| 公開（公告）號： | CN111159426B | 公開（公告）日： | 2023-04-18 |
| 發明（設計）人： | 熊盛武;陳小英;陳偉;王盛;謝澤豐 | 申請（專利權）人： | 武漢理工大學 |
| 主分類號： | G06F16/36 | 分類號： | G06F16/36;G06N3/0464;G06N3/0499;G06N3/08 |
| 代理公司： | 武漢科皓知識產權代理事務所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430070 湖*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 圖卷 神經網絡 產業 圖譜 融合 方法 | ||
1.一種基于圖卷積神經網絡的產業圖譜融合方法，其特征在于，包括以下步驟：
步驟1：基于構建的若干產業子圖譜，將產業子圖譜內實體、關系以及屬性向量化；
步驟2：通過構建與當前實體直接相連的鄰接實體集合，得到實體的局部子圖，將實體局部子圖中的三元組分為屬性三元組h,r,a和關系三元組h,r,t；其中，h表示三元組中頭實體的嵌入向量，r表示三元組中關系的嵌入向量，a表示屬性三元組中屬性值向量，t表示三元組中尾實體的嵌入向量；
步驟3：在實體局部子圖中使用實體的屬性字符嵌入將實體的結構嵌入轉換到同一向量空間當中，得到同一向量空間不同知識圖譜中實體的嵌入表示；
步驟4：將知識圖譜中實體對齊的問題轉換為實體局部子圖的圖匹配問題，進一步利用圖注意力方法，首先獲得實體局部子圖中實體的局部匹配向量；
步驟5：利用圖卷積神經網絡GCN，在整個圖中傳播局部匹配信息，為每個實體局部子圖生成一個圖級的全局匹配向量；
步驟6：將圖級的全局匹配向量作為一個雙層前饋神經網絡輸入，并在輸出層運用softmax函數獲得最后實體對齊的概率。
2.根據權利要求1所述的基于圖卷積神經網絡的產業圖譜融合方法，其特征在于：步驟1中，利用TransE模型將子圖譜中的所有三元組的實體、關系以及屬性映射到一個低維的向量空間。
4.根據權利要求l所述的基于圖卷積神經網絡的產業圖譜融合方法，其特征在于：步驟2中，首先收集當前實體直接相連的鄰接實體，得到一組實體集合{e1，...，en}，根據三元組尾實體的類型，分為屬性三元組h，r，a和關系三元組h，r，t)；然后利用TransE得到局部子圖中實體的結構嵌入和屬性嵌入，目標函數分別為：
其中Tr為圖譜中的三元組，T′r為負樣本，γ為超參數，函數f()為判定是三元組合理性的得分函數，tr表示一個合理的三元組，t′r表示一個不合理的三元組。
5.根據權利要求4所述的基于圖卷積神經網絡的產業圖譜融合方法，其特征在于：步驟3中，通過TransE模型得到的實體的屬性嵌入hce，通過最小化目標函數J＝∑h∈G1∪G2[1-cos(hse，hce)]，將結構嵌入hse轉換到相同的向量空間中，使得同一向量空間實體結構嵌入和屬性嵌入能夠從兩個知識圖譜中捕獲實體之間的相似性；其中，G1表示一個產業子圖譜，G2表示另一個產業子圖譜，hce表示實體的屬性嵌入，hse表示實體的結構嵌入；最終得到局部實體子圖中在同一向量空間中實體的嵌入集合{e1，...，en}，n為局部實體子圖中實體個數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢理工大學，未經武漢理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911394386.8/1.html，轉載請聲明來源鉆瓜專利網。
