摘要
本发明涉及自然语言处理的知识图谱补全领域,尤其是涉及一种基于位置感知的知识图谱补全方法。该方法包括以下步骤:设置模型参数;读取数据集,分配嵌入向量;判断训练次数是否超过设定次数;计算头实体和关系的位置关系向量并组合嵌入向量作为输入序列;Tranformer计算语义特征;TwoMult方法计算尾实体得分;计算损失函数,并更新模型参数;使用测试集评估模型;使用模型预测缺失实体的三元组数据。与现有技术相比,本发明从空间位置角度考虑实体和关系的嵌入向量之间存在的相对位置关系,充分提取了低维嵌入的语义特征。
技术关键词
知识图谱补全方法
实体
三元组
知识图谱数据
关系
语义特征
Sigmoid函数
更新知识图谱
解码方法
更新模型参数
自然语言
序列
存储器
处理器
注意力
电子设备
程序
系统为您推荐了相关专利信息
插座组装机
视觉伺服系统
初始误差
锥形
时间序列分析方法
学习方法
节点
Node2Vec算法
权重计算方法
全局结构信息
优化预测模型
优化神经网络模型
生成对抗网络
发动机系统
输入神经网络模型
异常数据
编码向量
电力数据清洗
聚类
Pearson相关系数