一种基于关系嵌入和卷积神经网络的知识图谱补全方法
公开
摘要
该发明专利名为“一种基于关系嵌入和卷积神经网络的知识图谱补全方法”。通过将知识图谱中三元组的实体和关系视为翻译的过程，并通过最有代表性的平移距离模型TransE来训练数据得到实体和关系的嵌入向量。其次通过融合不同嵌入向量形成新的向量表示，并与融合前的嵌入向量组成向量矩阵，提高知识图谱三元组整体信息特征的表达。使用不同大小卷积核提取向量矩阵的深层特征信息，将不同卷积核提取到的不同维度的特征结果接入全连接层，得到最终的分数，以此来判断知识图谱三元组是否合理，该发明有效提高了基于知识图谱智能问答系统数据库的准确性和完整性。
基本信息
专利标题 ：
一种基于关系嵌入和卷积神经网络的知识图谱补全方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114625890A
申请号 ：
CN202210308741.0
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-26
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
马宇辰李书琴
申请人 ：
西北农林科技大学
申请人地址 ：
陕西省咸阳市杨凌示范区西农路南段3号
代理机构 ：
代理人 ：
优先权 ：
CN202210308741.0
主分类号 ：
G06F16/36
IPC分类号 ：
G06F16/36 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/36
••语义工具的产生,例如,本体论或词典
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
