一种少样本知识图谱补全模型及方法

本发明属于深度学习与知识图谱补全技术领域，涉及一种少样本知识图谱补全模型及方法，补全模型分为三个模块：(1)LLM‑PCA语义编码器：负责提取知识图谱三元组中实体和关系的文本语义特征，并对提取的语义特征向量进行降维，得到有效的知识图谱元素低维语义表示；(2)注意力映射网络：负责将三元组初始语义编码向量进行融合并将同一关系下的三元组文本语义表示向量映射到统一的语义空间，将结构信息与文本语义相结合；(3)真实性评分模块：负责判断待查询三元组真实存在的可能性。该方法不仅能够有效处理复杂关系和稀疏数据，还能在少量训练样本的情况下实现高质量的知识图谱补全，显著提升了补全的准确性和泛化能力。