一种基于条件消息传播神经网络的知识图谱补全方法

本发明公开了一种基于条件消息传播神经网络的知识图谱补全方法，其中，条件消息传播神经网络是图神经网络在多关系图中表现优异的变体。本发明的核心是利用强表达能力的传播函数(包括消息函数、聚合函数和更新函数)来增强条件消息传播神经网络的邻域特征提取能力，帮助知识图谱补全模型学习区分能力更强的嵌入，提升模型的预测性能。该方法遵循编码器‑解码器架构，编码器由探索模块和缓冲模块构成，用于访问候选答案实体并编码候选实体的嵌入，解码器是一个简单的线性层，用于预测候选答案实体的得分。给定待补全的查询，首先，探索模块逐层访问查询实体的多跳邻居，并将访问到的邻居实体视为候选答案实体；其次，探索模块将关系嵌入信息逐层传播到查询实体的多跳邻居，学习候选答案实体的嵌入；然后，缓冲模块在探索模块访问到的子图上执行子图消息传播，继续更新候选答案实体的嵌入；最后，基于候选答案实体的嵌入，利用解码器的线性层为候选答案实体打分，得分最高的候选实体即为预测的目标实体。