基于多注意力机制的跨语言知识图谱实体对齐方法

本发明公开了基于多注意力的虚拟关系知识图谱实体对齐方法，具体包括以下步骤：获取原始知识图谱，构建虚拟关系知识图谱；构建基于BERT模型的编码网络，将虚拟关系知识图谱输入编码网络中，得到虚拟关系知识图谱中的关系三元组的结构向量；构建基于Transformer网络的多注意力模型，将关系三元组的结构向量输入多注意力模型进行训练，获得最优多注意力模型；将待对齐的跨语言知识图谱实体对齐输入到最优多注意力模型，完成实体对齐；本发明基于多注意力的虚拟关系知识图谱实体对齐方法，解决了现有技术在进行跨语言知识图谱实体对齐时，未考虑到跨语言知识图谱中关系和属性蕴含的潜在特征，导致对齐性能不佳的问题。