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：江西师范大学

摘要：本发明公开了一种基于双重剪枝渐进关系图神经网络的知识图谱补全方法，包括：S1：构建数据集；S2：将查询实体作为传播实体集导入进行查询，获取候选边集，在后续的迭代过程中，获取S6中的第二传播实体集作为新的传播实体集；S3：预剪枝模块对S2的候选边集进行剪枝筛选，获取预剪枝候选集；S4：对S3的预剪枝候选集进行消息传递和消息聚合，获取消息实体嵌入表示；S5：后剪枝模块对S4的候选边集进行进一步剪枝筛选，获取后剪枝实体嵌入表示和第二传播实体集；S6：判断是否到达最大迭代次数。通过预剪枝策略，识别并消除了在图神经网络传播过程中可能导致重复计算的冗余路径，从而显著降低了计算资源的消耗。

主权项：1.一种基于双重剪枝渐进关系图神经网络的知识图谱补全方法，其特征在于，包括以下步骤：步骤S1：构建数据集，数据集包括知识图谱，将数据集划分为训练集、验证集和测试集，对训练集和验证集进行预处理，增加反向关系和自反关系；步骤S2：构建查询三元组并形式化补全任务；其中查询三元组包括查询实体、关系实体和目标实体；构建知识图谱补全模型；知识图谱补全模型将查询实体作为传播实体集导入步骤S1中的知识图谱进行查询，获取包含传播实体集作为头实体的邻域三元组集合为候选边集，在后续的迭代过程中，获取步骤S5中的新增的传播实体集作为新的传播实体集；表示为： ； ；其中，为候选边集，为在知识图谱三元组中头实体包含的边集；表示后剪枝模块进一步剪枝筛选的操作，表示新增的传播实体集，表示传 播实体集； 步骤S3：知识图谱补全模型的预剪枝模块对步骤S2的候选边集进行剪枝筛选，获取预剪枝候选集；步骤S4：知识图谱补全模型的图卷积网络对步骤S3的预剪枝候选集进行消息传递和消息聚合，获取消息实体嵌入表示；步骤S5：知识图谱补全模型的后剪枝模块对步骤S4的消息实体嵌入表示进行进一步剪枝筛选，获取后剪枝实体嵌入表示和新增的传播实体集；步骤S6：判断是否到达最大迭代次数，若是，获取对应的后剪枝实体嵌入表示，并获取对应的传播实体集，若否，则继续进行步骤S2~S5；在训练过程中，达到最大迭代次数后，构建打分函数对应的传播实体集的子集实体进行打分评估来获取目标实体，并进一步构建交叉熵损失函数，通过最小化交叉熵损失函数来优化模型。

全文数据：

权利要求：

百度查询： 江西师范大学 基于双重剪枝渐进关系图神经网络的知识图谱补全方法