-
公开(公告)号:CN119537600A
公开(公告)日:2025-02-28
申请号:CN202411332190.7
申请日:2024-09-24
Applicant: 大连理工大学
IPC: G06F16/36 , G06F18/25 , G06F18/22 , G06F17/16 , G06F17/18 , G06N3/0442 , G06N3/048 , G06N3/0499 , G06N3/042 , G06N3/08
Abstract: 本发明提供一种基于嵌入融合和数据增强的小样本知识图谱补全方法,属于知识图谱补全领域。本发明设计了注意力多跳邻域建模器和任务侧实体建模器,以建立实体在背景知识图谱和任务关系中的嵌入,同时引入支持集增强模块,将关系投影到高维空间,从背景知识图谱中提取相关关系以补充支持集,并通过门控机制控制抽取实体的质量。通过双侧融合表示的三元组编码器架构,综合注意力实体原型和实体任务侧语义信息,生成精确的嵌入表示。实验结果表明,本发明在多个基准数据集上优于现有方法,有效提升了少样本知识图谱补全的准确性和效率。
-
公开(公告)号:CN117575023A
公开(公告)日:2024-02-20
申请号:CN202311682194.3
申请日:2023-12-08
Applicant: 大连理工大学
IPC: G06N5/04 , G06N3/0464 , G06N3/042 , G06N3/0442
Abstract: 本发明属于知识图谱推理应用技术领域,是一种基于历史趋势的单样本时序知识图谱外推计算方法。其首先使用一种基于组合多关系异构图卷积网络的邻域图聚合器获得时序知识子图的实体邻居信息表征。然后通过归一化流来解决外分布和过拟合问题,并使用自注意力机制来为更重要的实体分配更多的权重来获得全局的历史表征。通过设计的历史趋势聚合器,获得趋势信息分析事实在时间轴上的发展变化规律,辅助全局表征解决长尾关系问题。并将两种表征进行权重加和,进行未来事件的推理。
-