基于全局和局部层级注意力的超关系知识图谱补全方法

    公开(公告)号:CN116579425A

    公开(公告)日:2023-08-11

    申请号:CN202310855908.X

    申请日:2023-07-13

    Abstract: 本发明公开了基于全局和局部层级注意力的超关系知识图谱补全方法,该方法包括:基于输入超关系知识图谱嵌入模型的数据构建超图;将实体输入超图双向注意力层,以根据第一节点嵌入和第一超边嵌入得到节点到超边的注意力,并基于注意力进行超边的节点信息聚合得到第二超边嵌入,以基于第二超边嵌入得到第二节点嵌入;基于第二节点嵌入转化得到局部超关系事实序列中的实体嵌入,并将实体嵌入输入至所述局部异构自注意力层,以利用输出得到的注意力值和对应的第三节点嵌入得到最终嵌入;对第二节点嵌入和最终嵌入进行评分,并根据评分结果计算的预测损失进行超关系知识图谱嵌入模型的补全任务。本发明可以精准地解决超关系知识图谱补全任务。

    一种超关系知识图谱上的n元复杂查询嵌入方法

    公开(公告)号:CN116028610A

    公开(公告)日:2023-04-28

    申请号:CN202310113776.3

    申请日:2023-02-15

    Abstract: 本发明提出一种超关系知识图谱上的n元复杂查询嵌入方法,包括:根据超关系知识图谱构建复杂知识问答数据集;复杂知识问答数据集,包括多个一阶逻辑FOL问答查询计算图;获取N元FOL查询,根据N元FOL查询构建n元FOL查询计算图,以N元FOL查询中的实体作为锚节点,将实体的模糊向量嵌入作为锚节点嵌入;使用Projection操作得到所n元FOL查询计算图中每个锚节点对应的子查询的预测值嵌入;使用逻辑运算符对预测值嵌入进行变换;利用变换后的预测值嵌入和复杂知识问答数据集中的全体实体的嵌入时间计算相似度,获得N元FOL查询的答案实体。通过本发明提出的方法,能够处理任意n元事实中的任意位置实体查询,同时能满足n元关系查询中的所有类型的FOL查询。

    基于双视图超关系嵌入框架的知识图谱补全方法

    公开(公告)号:CN115269866A

    公开(公告)日:2022-11-01

    申请号:CN202210831885.4

    申请日:2022-07-15

    Abstract: 本发明提出一种基于双视图超关系嵌入框架的知识图谱补全方法,包括,构建基于双视图超关系知识图谱的数据集,数据集包括实例视图集、本体视图集以及跨视图链接集;将数据集输入DH‑KG嵌入模型,其中,DH‑KG嵌入模型包括GRAN编码器、跨视图链接学习网络和联合学习网络;通过GRAN编码器进行视图内超关系学习,通过超图领域聚合技术以及跨视图损失进行跨视图联系学习,通过联合实例视图集、本体视图集和跨视图连接集分别对应的损失函数进行联合学习,得到训练完成的DH‑KG嵌入模型;通过训练完成的DH‑KG嵌入模型进行知识图谱的链接预测和实体分类。本发明通过双视图结构来联合建模知识图谱中的超关系和实体之间的层级关系,从而更好的进行链接预测和实体分类任务。

Patent Agency Ranking