一种使用共享参数卷积神经网络的知识图谱表示方法

授权

摘要

本发明提供了一种使用共享参数卷积神经网络的知识图谱表示方法；包括如下步骤：将实体表示向量变换成二维的实体表示矩阵；将关系表示向量设置为卷积层的参数；将实体表示矩阵通过两层卷积层，再通过一层全连接层，得到特征向量；将特征向量与实体嵌入层的参数做点积，得到分类概率。本发明使用的共享参数方法，在两层卷积网络中使用了相同的参数，降低了空间资源开销，相比于两层不同参数的卷积网络，使得参数得到充分训练，提升了表示效果，并提高了使用本发明生成的表示向量进行关系预测任务的准确率。

基本信息

专利标题：

一种使用共享参数卷积神经网络的知识图谱表示方法

专利标题（英）：

暂无

公开（公告）号：

CN112487201A

申请号：

CN202011347873.1

公开（公告）日：

2021-03-12

申请日：

2020-11-26

授权号：

CN112487201B

授权日：

2022-05-10

发明人：

王震杜昊桐朱培灿王榕姚权铭

申请人：

西北工业大学

申请人地址：

陕西省西安市友谊西路127号

代理机构：

西安中科汇知识产权代理有限公司

代理人：

王培境

优先权：

CN202011347873.1

主分类号：

G06F16/36

IPC分类号：

G06F16/36 G06F16/35 G06N3/04 G06N3/08