-
公开(公告)号:CN119539048A
公开(公告)日:2025-02-28
申请号:CN202411566119.5
申请日:2024-11-05
IPC: G06N5/022 , G06N3/042 , G06N3/082 , G06N3/0499 , G06N3/0455
Abstract: 本发明公开了一种层次实体邻居多关系融合的知识图谱补全方法,具体步骤包括:划分知识图谱,将知识图谱三元组中的头实体作为中心实体,将尾实体作为邻居实体,并构建同构子图;其中,所述知识图谱三元组还包括:关系;对中心实体和邻居实体进行聚合处理,完成中心实体、邻居实体的聚合;将关系融合入中心实体中,完成实体邻接关系的融合;根据融合实体和关系信息的嵌入向量,通过多头自注意力机制,计算多头自注意力的输出矩阵;利用前馈神经网络获得编码器的输出矩阵;通过负采样获得损失函数并优化,计算损失函数的最小值,完成知识图谱的补全。
-
公开(公告)号:CN119539056A
公开(公告)日:2025-02-28
申请号:CN202411650756.0
申请日:2024-11-19
Abstract: 本发明公开了一种层次实体邻居多关系融合的知识图谱补全网络算法,包含:S1,对知识图谱中的各个目标实体构建关系子图;S2,运用动态注意力机制对每一关系子图中实体周围的信息进行聚合,并对不同嵌入关系下的实体进行连接和聚合;S3,利用邻接关系融合技术,整合不同关系子图下的所有邻居信息。本发明实现了对不同邻居节点重要性差异的精确评估,以及对于关系路径的权重分配,提升了模型对于复杂数据的理解和处理能力。
-
公开(公告)号:CN119539051A
公开(公告)日:2025-02-28
申请号:CN202411607498.8
申请日:2024-11-12
IPC: G06N5/022 , G06F18/241 , G06N3/0442 , G06N3/0455
Abstract: 本发明涉及一种结合邻域路径编码的知识图谱补全算法,通过构建包括三层的注意力网络结构,分别计算输入实体、关系以及实体与关系的邻域特征的权重,最后计算得到输入所有关系下的实体得分,进而对知识图谱进行补全。本发明适用于少样本知识图谱补全,能够提高少样本知识图谱补全的效率,具有优异的性能。
-
公开(公告)号:CN114860949A
公开(公告)日:2022-08-05
申请号:CN202210413327.6
申请日:2022-04-20
Applicant: 上海电力大学
IPC: G06F16/36 , G06F16/9535 , G06F16/9536 , G06N3/04
Abstract: 本发明公开了一种基于衰减传播的知识图谱增强推荐算法,包括划分多层用户兴趣图;对每层所述用户兴趣图,进行基于缩放注意力机制的层内兴趣传播,输出单层用户兴趣图表示;利用所述用户兴趣图表示,进行基于衰减因子的层间兴趣传播,输出用户兴趣表示;对所述用户兴趣表示进行提纯操作,输出用户向量;利用所述用户向量和候选项目的项目向量,输出推荐结果。本发明所述方法提出了多层用户兴趣图的概念,将用户兴趣在知识图谱上的传播路径逐层拆分和后分析,利用实体之间的关系替代元路径,缓解对手工设计的元路径的高度依赖,并引入带有残差块的提纯网络,处理算法中产生的数据噪音和退化问题,提纯用户兴趣表示,提高推荐效果。
-
-
-