一种基于图神经网络的少样本知识图谱推理方法

本发明涉及知识图谱推理领域，公开了一种基于图神经网络的少样本知识图谱推理方法。首先对知识图谱数据进行初始化嵌入预训练；其次利用实体邻居编码器捕获实体之间的关系路径信息，增强实体的嵌入表示，并通过支持集实体对的邻居关系来获得更准确的关系表示；然后融合Transformer编码器和LSTM网络，学习实体的上下文语义信息；最后匹配处理器计算查询三元组和支持集的语义相似度，并按查询三元组的相似度得分进行排序。本发明能够充分利用少样本知识图谱中的信息，提高少样本知识图谱推理性能。