公开(公告)号：CN112818136A

公开(公告)日：2021-05-18

申请号：CN202110220136.3

申请日：2021-02-26

Applicant: 福州大学

Inventor： 汪璟玢 ,  陆玉乾

IPC: G06F16/36 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明提供了一种基于时间卷积的交互知识表示学习模型TCIM的预测方法，通过卷积神经网络捕获时间的特征信息，通过圆形卷积神经网络去提取三元组的特征信息，将三元组的特征和时间的特征融合并进行链路预测。本发明通过卷积神经网络去捕获时间的特征信息，从而可以对动态知识图谱进行补全。

公开(公告)号：CN112836065A

公开(公告)日：2021-05-25

申请号：CN202110219529.2

申请日：2021-02-26

Applicant: 福州大学

Inventor： 汪璟玢 ,  陆玉乾

IPC: G06F16/36 ,  G06N5/02 ,  G06N3/04

Abstract: 本发明提供了一种基于组合自注意的图卷积知识表示学习模型CompSAGCN的预测方法，包括以下步骤：对于每一个实体e，使用图卷积神经网络构成的编码器来学习实体e的邻居信息，得到实体的增强表示ve，再使用自注意力卷积神经网络构成的解码器提取ve和关系向量vr的特征；然后将实体和关系的特征向量进行拼接，通过全连接层进行特征的压缩，将压缩后的特征表示与所有的实体向量相乘，最后使用sigmoid激活得到每个三元组的得分。本发明使用自注意力卷积能够获取到三元组结构本身的内部有效信息。