公开(公告)号：CN116821370A

公开(公告)日：2023-09-29

申请号：CN202310788310.3

申请日：2023-06-29

Applicant: 电子科技大学

Inventor： 翟学萌 ,  谢骁巍 ,  孟熙航 ,  廖诗雨 ,  胡光岷

IPC: G06F16/36

Abstract: 本发明公开了一种基于图稀疏表征的知识图谱数据分解与压缩方法，首先通过采样模块，以知识图谱中的每一个节点为中心进行子图采样，将一个知识图谱网络数据分割成一组知识图谱事务图集，在得到的事务图集上进行频繁子图挖掘，构建出以模式扩展为基础的子图扩展树，在树上进行DFS深度优先搜索，逐个寻找频繁出现在知识图谱事务图集中的基础模式，完成知识图谱数据分解与压缩，最后对挖掘出的频繁子图进行过滤，删除掉冗余的子结构，过滤不合适的频繁子图，输出原子及稀疏编码矩阵。本发明的方法将知识图谱数据表示为基础子结构的组合，压缩知识图谱数据，降低对知识图谱数据嵌入和分析难度，删除掉冗余子结构，提高对数据的分解和压缩效率。

公开(公告)号：CN118861310A

公开(公告)日：2024-10-29

申请号：CN202410809385.X

申请日：2024-06-21

Applicant: 电子科技大学

Inventor： 董刘杨 ,  赵乾 ,  廖诗雨 ,  费高雷

IPC: G06F16/36 ,  G06F16/35 ,  G06N5/025 ,  G06N5/02

Abstract: 本发明公开了一种基于终身学习的时变知识图谱嵌入表征方法，首先对时变知识图谱数据集进行数据预处理得到用于训练的数据，然后构建时变知识图谱嵌入表征模型，选取每个时间子图的重要历史知识数据加入数据缓冲区，并通过知识迁移对新知识进行初始化表征，最后通过自监督编码器进行知识表征学习，迭代优化模型以更新知识的嵌入表征，完成对于时变知识图谱的嵌入表征。本发明的方法旨在通过高效利用历史上下文信息，优化时变知识图谱随时间变化的嵌入表示，以便于更准确地捕获和反映知识的时变特征，与现有方法相比，终身学习能够持续利用累积的历史数据来增强模型对时间演变的适应性和记忆能力，从而能够有效地应对知识随时间的动态变化。