[發(fā)明專利]一種基于圖感知張量分解的知識圖譜補(bǔ)全方法

在審

• 申請?zhí)枺?/td>: 202011022269.1
• 申請日: 2020-09-25
• 公開（公告）號: CN112148891A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計）人: 劉書語;楊柳;胡清華
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/901;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 韓帥

1.一種基于圖感知張量分解的知識圖譜補(bǔ)全方法，其特征在于，包括如下步驟：

從圖神經(jīng)網(wǎng)絡(luò)中提取三元組數(shù)據(jù)(e_s,r,e_o)，構(gòu)建具有實(shí)體和關(guān)系的二維表示的圖形編碼模型，即G＝(V,E)；

對圖形編碼模型的二維數(shù)據(jù)通過Tucker分解方法構(gòu)建三階張量分解模型；即：

其中，e_s,e_o表示通過圖模型獲得的兩個實(shí)體特征，h_r表示通過三元組通過圖模型獲得的關(guān)系特征，W是Tucker分解的核心張量；

所述三階張量分解模型能夠預(yù)測三元組集合(e_s,r,:)下的所有組合的得分，根據(jù)最高得分的三元組預(yù)測三元組的關(guān)系，實(shí)現(xiàn)知識圖譜的補(bǔ)全。

2.根據(jù)權(quán)利要求1所述的一種基于圖感知張量分解的知識圖譜補(bǔ)全方法，其特征在于，所述圖形編碼模型通過如下公式對圖神經(jīng)網(wǎng)絡(luò)中三元組數(shù)據(jù)(e_s,r,e_o)編碼：

其中，H⁰＝X,H^l是第l個圖卷積層的輸出，d^l′是第l層圖卷積層的輸出維度，W^l是第l個圖卷積層的參數(shù)，H^l+1是第l+1個圖層之后的輸出特征矩陣，當(dāng)l＝0，是對第一層圖結(jié)構(gòu)信息進(jìn)行編碼；當(dāng)l＝1，是對第二層的圖結(jié)構(gòu)信息進(jìn)行編碼。

3.根據(jù)權(quán)利要求1所述的一種基于圖感知張量分解的知識圖譜補(bǔ)全方法，其特征在于，所述張量分解模型通過如下公式對圖神經(jīng)網(wǎng)絡(luò)進(jìn)行整體優(yōu)化：

其中，y是三元組(e_s,r,e_o)的真實(shí)關(guān)系值，ψ_r(e_s,e_o)是三元組(e_s,r,e_o)通過模型預(yù)測的值。