基于耦合矩阵张量分解的可学习模式感知实体嵌入方法

本发明涉及一种基于耦合矩阵张量分解的可学习模式感知实体嵌入方法。所述方法包括：创建类型关联特征向量；若学习所有实体的嵌入来引导任何一个实体的嵌入，则通过耦合模块进行张量分解；若通过学习部分实体来引导所有实体的嵌入，则利用创建的类型关联特征向量，计算锚点与孤立节点或非孤立节点的亲和度，根据亲和度得到孤立节点的表示作为实体嵌入。通过创建类型关联特征向量，能够更好地衡量各个实体在类型上的相关性；通过使用耦合矩阵张量分解的方法可以联合类型嵌入得到更准确的链接预测结果；通过计算亲和度，使得即使是孤立节点也能通过与其它实体群体共享信息，获得更加丰富和准确的表示，优化预测结果的相关性和精确度。