[發明專利]一種基于時空架構的時序知識圖譜補全方法

有效

• 申請號: 202011265517.5
• 申請日: 2020-11-13
• 公開（公告）號: CN112364108B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 邵杰;張嘉昇;梁爽;鄧智毅;申恒濤
• 申請（專利權）人: 四川省人工智能研究院(宜賓)
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/36;G06N3/04
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 李蕊

本發明公開了一種基于時空架構的時序知識圖譜補全方法，其特征在于，包括以下步驟：將待補全時序知識圖譜按照其知識的時間標注劃分為若干靜態的知識集合，并通過每個集合中的知識分別構建若干知識網絡，得到若干快照；構建多面圖注意力網絡，并將快照輸入多面圖注意力網絡，獲取實體在每個快照下的靜態嵌入表示；構建自適應時序注意力機制，根據實體的靜態嵌入表示并使用自適應時序注意力機制獲取實體的最終嵌入表示；通過實體的最終嵌入表示計算待補全時序知識圖譜中知識的置信度，并通過置信度預測待補全時序知識圖譜中的缺失內容。本發明具有更高的擴展性與靈活性，能夠與任意靜態的補全方法相結合來進行時序知識圖譜的補全任務。

技術領域

本發明屬于知識圖譜技術領域，具體涉及一種基于時空架構的時序知識圖譜補全方法。

背景技術

時序知識圖譜作為一種動態知識庫系統，由于其在諸多現實領域具有良好的應用價值與可觀的應用前景而在近年來備受關注。然而，由于抽取手段的限制與數據來源的復雜性，現有的大規模時序知識圖譜依然面臨著嚴重的不完整問題，其中的大量知識是缺失的。因此，旨在預測時序知識圖譜中缺失知識的時序知識圖譜補全任務成為了該領域近年來重要的研究課題。

靜態知識圖譜嵌入表示技術旨在將知識圖譜中的元素映射到低維向量空間，由于其在靜態知識圖譜補全任務中的高效性而得到了廣泛的關注。受到這類方法的啟發，近年來一些工作嘗試通過時序知識圖譜嵌入表示技術來解決時序知識圖譜的補全問題，主要包括四類，其中基于時序關系依賴的方法旨在利用關系之間的客觀發生順序(如對于一個人而言，“生于”應當發生于“死于”之前)來提高知識補全的準確性；基于時間超平面的方法通過將不同時間下的知識映射到不同的超平面上來分別對每個時間的知識進行補全；基于歷時實體嵌入的方法將實體的嵌入表示看作一個與時間相關的非線性函數，并根據該嵌入表示衡量知識的置信度；基于張量分解的方法則利用鄰接矩陣的低秩分解來預測時序知識圖譜中的缺失知識。

盡管現有工作已經在時序知識圖譜補全任務上取得了不錯的成績，然而現有工作有兩個明顯的不足：(1)首先，現有工作都將時序知識圖譜當作一組獨立的知識，進而獨立地處理每個知識并分別為每個知識中的元素學習相應的嵌入表示。這種方式導致無法捕獲時序知識圖譜中豐富的圖結構信息。時序知識圖譜作為一種動態的異構網絡，其固有的圖結構信息能夠反映不同的實體之間的復雜關系，從而體現出不同知識之間的內在相關性。(2)其次，現有工作大都獨立地處理不同時刻的知識，這導致現有工作無法捕獲不同時間的知識之間的相關性。事實上不同時間的知識之間具有密切的因果聯系，忽略知識之間的時序相關性導致這些模型無法有效利用過去的相關知識并為當前的缺失知識做出準確的預測。因此，現有的基于表示學習的時序知識圖譜補全方法的表現還遠遠不能令人滿意。

發明內容

為了解決現有技術中的上述不足，不同于以往的方法單獨地處理每個知識，本發明從時空數據建模的視角來學習時序知識圖譜的嵌入表示并用于其補全任務。具體而言，本發明的創新點在于：首先，基于每個實體的自中心結構設計了一種全新的多面圖注意力網絡(Multi-Faceted Graph Attention Network)，相比于傳統的圖神經網絡，它能夠更為有效地捕獲實體在每個快照中的結構信息。其次，我們提出了一種新的自適應時序注意力機制(Adaptive Temporal Attention Mechanism)，它能夠靈活高效地建模實體嵌入表示在時間維度上的相關性。最后，我們的發明具有高度的靈活性與可擴展性，能夠與任意的靜態方法結合用于時序知識圖譜的補全任務。綜上，我們所提供的基于時空架構的時序知識圖譜補全方法可以有效解決現有技術中存在的問題。

為了達到上述發明目的，本發明采用的技術方案為：一種基于時空架構的時序知識圖譜補全方法，包括以下步驟：

S1、將待補全時序知識圖譜按照其知識的時間標注劃分為若干靜態的知識集合{G¹,G²,...,G^|τ|}，并通過每個集合中的知識分別構建若干知識網絡，得到若干快照，|τ|表示時間標注個數；