基于细粒度强化学习的时序知识图谱推理方法

本发明公开了一种基于细粒度强化学习的时序知识图谱推理方法，涉及时序知识图谱推理领域，包括步骤：以一时序位移编码器获取包含时间信息的实体嵌入集；获取实体信息在每个探索步骤的状态信息，对应探索步骤中的动作生成候选动作集，以从中选择最佳动作；在每个探索步骤的状态信息进行表征处理，以获取查询问题中的实体信息和关系的表征；以表征处理后的状态信息与候选动作集的相关性计算获取所有动作的概率分布，以此，概率最高的动作被选取；每个探索步骤执行上述步骤，以此，到达探索步骤时，获取预测结果和每个探索步骤的推理路径。本发明能够显著提高时序知识图谱推理的准确性。