基于图卷积神经网络的船舶制造数据资产知识图谱对齐方法

本发明公开了一种基于图卷积神经网络的船舶制造数据资产知识图谱对齐方法，包括：使用BERT模型实现词语向量的语义嵌入，得到数据资产知识图谱实体的初始向量表示；构建图卷积神经网络框架，进行信息传递，聚合邻接实体及实体自身的信息；训练神经网络的权重参数，基于预对齐的实体构造正负样本，得到邻接实体权重矩阵和自身的权重矩阵；设计实体对齐预测算法，对待对齐的实体进行预测。本发明可应用于使用知识图谱实现企业数据资产管理的场景，在自动化构建知识图谱时，有效解决了不同业务域知识图谱融合的情况下，由于同一实体描述不一致造成的实体冗余问题，一旦推广，可以显著提高数据资产知识图谱构建的效率和准确度，同时提高数据资产管理能力。