买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽国麒科技有限公司

摘要：本发明公开了知识图谱技术领域的基于多视图解码器的知识图谱高阶关系预测方法及系统，具体包括以下步骤：S1：将待预测的知识图谱导入到知识图谱高阶关系预测模型中，经处理后，重构出多个基于元路径视图的链接概率矩阵；S2：利用阈值和掩码矩阵过滤所述重构的多个基于元路径视图的链接概率矩阵，输出预测结果，本申请中通过对知识图谱中实体间的高阶关系进行预测，实现知识图谱的补全。

主权项：1.基于多视图解码器的知识图谱高阶关系预测方法，其特征在于：具体包括以下步骤：S1：将待预测的知识图谱导入到知识图谱高阶关系预测模型中，经处理后，重构出多个基于元路径视图的链接概率矩阵，所述知识图谱用于语义搜索、对话生成以及问答系统；其中，所述知识图谱高阶关系预测模型包括数据处理模块、知识图谱编码器、多视图解码器，所述知识图谱高阶关系预测模型的数据处理方法，具体包括以下步骤：S11：将待预测的知识图谱输入到数据处理模块中进行处理，生成多个基于元路径的视图以及节点的初始化向量表示；S12：知识图谱编码器对所述节点的初始化向量表示进行处理，生成节点嵌入；S13：多视图解码器对所述节点嵌入与所述多个基于元路径的视图进行处理，重构出多个基于元路径视图的链接概率矩阵；S2：利用阈值和掩码矩阵过滤所述重构的多个基于元路径视图的链接概率矩阵，输出预测结果；所述步骤S11中数据处理模块的工作方式具体为，第一步：将待预测知识图谱的高阶关系和其他链接关系定义为p个元路径，并根据定义的p个元路径将待预测的知识图谱进行子图重构，生成p个基于元路径的视图，并得到视图中节点之间的链接矩阵为；第二步：利用TransE模型对待预测知识图谱中的三元组进行向量初始化，得到知识图谱中节点的初始化向量表示；其中，其中p为元路径的数量；所述步骤S12中知识图谱编码器的工作方式具体为，利用双层的异构图注意力神经网络对输入的节点的初始化向量表示通过基于元路径的邻域特征进行分层聚合，生成节点嵌入；其中，所述节点嵌入为新的节点特征表示矩阵Z；所述步骤S13中多视图解码器的工作方式为：第一步：根据知识图谱数据处理模块所定义的元路径和基于元路径视图的链接矩阵，将所述新的节点特征表示矩阵Z划分为基于p个视图的节点表示矩阵；第二步：通过p个可训练的元路径映射矩阵，将所述节点表示矩阵投影到对应的元路径空间中作为节点表示矩阵；第三步：通过向量内积和Sigmoid激活函数对所述节点表示矩阵进行处理，获得节点向量表示在i元路径空间中的链接概率矩阵。

全文数据：

权利要求：

百度查询： 安徽国麒科技有限公司 基于多视图解码器的知识图谱高阶关系预测方法及系统