[發明專利]基于邏輯推理和圖卷積的復雜網絡鏈接預測方法及系統

有效

• 申請號: 202110500661.0
• 申請日: 2021-05-08
• 公開（公告）號: CN113190688B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 黃健;張家瑞;高家隆
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

1.一種基于邏輯推理和圖卷積的復雜網絡鏈接預測方法，其特征在于，包括：

構建復雜網絡對應的軍事領域知識圖譜，基于所述軍事領域知識圖譜獲取軍事領域訓練集；所述軍事領域訓練集描述的是軍事領域關于空地協同攻防對抗的知識，實體是各類型的軍事武器裝置，包括不同型號的戰斗機和雷達，關系包括所述實體間對抗、協同、指揮、組成以及部署，并且設有多條攻擊和指揮規則；

通過帶缺省的一階邏輯推理網絡對所述軍事領域訓練集中的各所述實體對進行關系推理，獲取各所述實體對的關系置信度，并通過映射得到關系置信度矩陣；

將所述關系置信度矩陣輸入基于迭代注意力的圖卷積神經網絡，并通過集中訓練分散執行機制和局部關系注意力機制對所述基于迭代注意力的圖卷積神經網絡進行迭代訓練，獲取第一概率分布；該步驟包括：通過獨熱編碼獲取所述實體對應節點的子特征和鄰居特征，累加得到特征矩陣；根據節點間關系獲取所述節點的鄰接矩陣，拼接得到全局鄰接矩陣；將所有所述節點的所述特征矩陣、所述鄰接矩陣以及所述全局鄰接矩陣輸入所述基于迭代注意力的圖卷積神經網絡進行迭代訓練，獲取各所述節點的關系權重矩陣；將所述關系置信度矩陣輸入至所述基于迭代注意力的圖卷積神經網絡，通過局部關系注意力機制輸出第一概率分布；

獲取所述基于迭代注意力的圖卷積神經網絡一次迭代之后輸出的關系權重矩陣，根據所述關系權重矩陣和所述關系置信度矩陣計算第二概率分布；

根據聯合評價函數獲取所述第一概率分布和所述第二概率分布之間的Wasserstein距離；

根據所述Wasserstein距離迭代更新所述帶缺省的一階邏輯推理網絡和所述基于迭代注意力的圖卷積神經網絡，獲取鏈接預測模型；

基于所述鏈接預測模型獲取所述實體間存在的隱含關系，以補全所述軍事領域知識圖譜。

2.如權利要求1所述的基于邏輯推理和圖卷積的復雜網絡鏈接預測方法，其特征在于，所述根據帶缺省的一階邏輯推理網絡對所述軍事領域訓練集中的各實體對進行關系推理，獲取各所述實體對的關系置信度，并通過映射得到關系置信度矩陣，包括：

構建帶缺省規則的知識庫；

基于所述帶缺省規則的知識庫，通過所述帶缺省的一階邏輯推理網絡中包含的多類規則對所述軍事領域訓練集中的各所述實體對進行關系推理；

對通過多類規則推理成功的所述實體對進行置信度評估，獲取所述實體對的關系置信度；

確定所述關系置信度小于預設的置信度閾值的所述實體對，并將所述實體對對應的缺省規則映射至連續空間中，獲得關系置信度矩陣。

3.如權利要求1所述的基于邏輯推理和圖卷積的復雜網絡鏈接預測方法，其特征在于，所述將所述關系置信度矩陣輸入基于迭代注意力的圖卷積神經網絡，并通過集中訓練分散執行機制和局部關系注意力機制對所述基于迭代注意力的圖卷積神經網絡進行迭代訓練，獲取第一概率分布，還包括：

獲取所述基于迭代注意力的圖卷積神經網絡一次迭代之后輸出的所有所述節點的所述鄰接矩陣，將拼接得到的新的全局鄰接矩陣輸入預設損失函數計算損失值，以根據所述損失值優化所述基于迭代注意力的圖卷積神經網絡；所述預設損失函數為：

其中，f_L為所述預設損失函數；為初始的不完全邊子集；G為三元組的集合；λ為邏輯Sigmoid函數；f(w,e,r)為知識圖譜中三元組g_i＝(w_i,e_i,r_i)分配的分數；y為二值函數。