基于深层语义与实体类别信息提取的知识图谱补全方法

本发明涉及一种基于深层语义与实体类别信息提取的知识图谱补全方法，属于知识图谱补全领域。本发明方法提出端到端的神经网络的DSET模型，并基于DSET模型输出预测的知识图谱缺失位置的实体；所述DSET模型包括：专注于实体类型信息的建模的类型相似度图注意力编码器TS‑GAT、负责提取实体和关系的深层语义特征的深层语义信息三维卷积解码器DS‑Conv3。本发明方法解决了传统知识图谱补全方法中忽视实体类别信息和深层语义特征提取不足的问题。