一种适用于知识图嵌入的鲁棒持续演化方法

本发明公开了一种适用于知识图嵌入的鲁棒持续演化方法，属于知识图谱嵌入领域；具体为：首先，输入待测任务的知识图谱数据集，随机划分训练集和测试集；然后，获得训练集中各数据的头实体嵌入eh，并加入噪声；通过结合有无噪声的场景，得到RotatE模型的损失函数，通过反向传播损失得到RotatE模型各个参数的梯度，采用随机下降梯度算法更新模型的头实体嵌入eh和关系嵌入er，直至达到迭代次数；最后，将最优模型的嵌入计算候选实体分数，选取分数最高的模型应用于待测任务中。本发明显著增强了现有知识图谱嵌入模型对噪声和异常数据的抵抗能力，有效地提高了知识图谱嵌入模型的泛化能力，以及在实际应用中的稳定性和可靠性。