一种知识图谱补全方法、系统、设备及存储介质

本发明公开了一种知识图谱补全方法、系统、设备及存储介质，通过利用图卷积网络模型来有效地捕捉图结构信息，通过多层神经网络层和邻居节点的信息聚合来更新节点的表示，从而学习实体之间的连接关系，并通过相似性度量模块衡量实体之间的相似程度，帮助识别潜在的实体匹配或相似性，提高对知识图谱的理解能力，同时，Transformer模型应用于序列建模，通过自注意力机制捕捉实体之间的依赖关系，从而捕捉到实体和关系之间的复杂语义关联，此外，通过支持集交互模型用于分析实体之间的实时交互，能够更准确地学习实体的表示，更精确地建模实体之间的关系，具有更强的泛化能力，解决现有技术无法随着知识图谱内容和结构的变化进行更新的缺陷。