摘要
本发明公开了一种数控编程领域的少样本知识图谱补全方法,解决数控编程知识图谱指导生成的数控编程模板在实际生产过程中存在的可靠性低、局限性大、仍需编程人员重复修改以及训练实体样本较少的问题。首先设计一种基于关系路径的实体邻域信息聚合网络,通过多头自注意力机制评估和分配邻域实体的重要性,并聚合特征;然后依据实体对的语义相似性,建模语义图谱表示实体间的语义关系,输出全局语义特征;最后组合邻域聚合特征和语义特征进行链接预测。在少样本知识图谱补全的公共数据集上,通过和主流算法进行对比实验,验证了所提算法的有效性与准确性。
技术关键词
语义知识图谱
实体
语义特征
三元组
编程
BERT模型
关系
多头注意力机制
采样模块
矩阵
知识图谱补全方法
邻域特征
文本
系统为您推荐了相关专利信息
机器学习方法
记忆
计算机可读指令
数据
计算机设备
知识图谱嵌入方法
特征提取模型
实体
三元组
靶标相互作用
嵌入特征
辐射源
识别模型训练方法
样本
计算机可执行指令
事件抽取方法
事件触发词
焦点损失函数
句法信息
实体