公开(公告)号：CN116401380A

公开(公告)日：2023-07-07

申请号：CN202310666408.1

申请日：2023-06-07

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  王天赐 ,  陈志康 ,  罗梦宇

IPC: G06F16/36 ,  G06N5/02 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明属于知识表示与推理技术领域，公开了一种基于面向异构知识图谱的对比学习预测方法及系统，包括多关系图神经网络层；对比学习层；类比推理层；输出层；本发明提出了一种新颖的面向多关系学习的对比链路预测模型，采用层次化的注意力机制选择有用的关系路径和邻居有选择性的聚合实体周围的上下文信息，从而提高预测准确性。为了更好地捕捉实体在不同上下文中的表示，模型引入了模式增强技术，将知识图谱中实体之间的关系与其所属的模式结合来获取实体在不同语义环境下的表达。另外，为了预测部分不完全的三元组，模型还引入了类比对象检索器来增强类比推理能力。实验结果表明，该模型在多个数据集上表现出优异的性能。

公开(公告)号：CN116401380B

公开(公告)日：2023-08-11

申请号：CN202310666408.1

申请日：2023-06-07

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  王天赐 ,  陈志康 ,  罗梦宇

IPC: G06F16/36 ,  G06N5/02 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明属于知识表示与推理技术领域，公开了一种基于面向异构知识图谱的对比学习预测方法及系统，包括多关系图神经网络层；对比学习层；类比推理层；输出层；本发明提出了一种新颖的面向多关系学习的对比链路预测模型，采用层次化的注意力机制选择有用的关系路径和邻居有选择性的聚合实体周围的上下文信息，从而提高预测准确性。为了更好地捕捉实体在不同上下文中的表示，模型引入了模式增强技术，将知识图谱中实体之间的关系与其所属的模式结合来获取实体在不同语义环境下的表达。另外，为了预测部分不完全的三元组，模型还引入了类比对象检索器来增强类比推理能力。实验结果表明，该模型在多个数据集上表现出优异的性能。