申请/专利权人:南昌航空大学
申请日:2024-01-16
公开(公告)日:2024-06-25
公开(公告)号:CN118246531A
主分类号:G06N5/022
分类号:G06N5/022;G06N3/045;G06N3/08;G06Q50/00
优先权:["20230815 CN 2023110207411"]
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明提供一种基于图注意力机制的社交网络知识图谱关系预测方法,包括:S1,接收社交网络知识图谱,分别将社交网络知识图谱中的实体和关系进行编码,得到社交网络知识图谱信息编码;S2,定义改进的图注意力机制模型,将社交网络知识图谱信息编码作为数据集,使用元学习框架对数据集进行训练,元学习框架分为基训练阶段和元训练阶段,在基训练阶段,基于数据集得到改进的图注意力机制模型的参数;在元训练阶段,基于数据集以及改进的图注意力机制模型的参数,得到改进的图注意力机制模型的超参数和实体嵌入向量;S3,将S2中得到的实体嵌入向量输入至得分函数,对社交网络知识图谱进行关系预测。本发明能够提升社交网络知识图谱关系预测准确性。
主权项:1.一种基于图注意力机制的社交网络知识图谱关系预测方法,其特征在于,包括:步骤S1,接收社交网络知识图谱,分别将社交网络知识图谱中的实体和关系进行编码,得到社交网络知识图谱信息编码;步骤S2,定义改进的图注意力机制模型,将社交网络知识图谱信息编码作为数据集,使用元学习框架对数据集进行训练,元学习框架分为基训练阶段和元训练阶段,在基训练阶段,基于数据集得到改进的图注意力机制模型的参数;在元训练阶段,基于数据集以及改进的图注意力机制模型的参数,得到改进的图注意力机制模型的超参数和实体嵌入向量;步骤S3,将步骤S2中得到的实体嵌入向量输入至得分函数,对社交网络知识图谱进行关系预测。
全文数据:
权利要求:
百度查询: 南昌航空大学 一种基于图注意力机制的社交网络知识图谱关系预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。