基于负采样和加权的知识图谱嵌入方法

本发明公开了基于负采样和加权的知识图谱嵌入方法，步骤包括：获取医药数据集；基于预训练得到的嵌入向量和设计的高质量候选负样本集构建策略，为所有正三元组采样高质量的候选负样本集；根据基于翻译的知识图谱嵌入模型，计算三元组及其对应的负三元组的评分函数值；统计出数据集中的相关频次数据，计算每个三元组的基于频次的权重；根据评分函数值以及权重，计算三元组集的损失L，得到训练框架最终的损失函数；采用随机梯度下降法来优化训练模型的损失函数；输出药物与疾病、症状之间的潜在关联关系。本申请提升模型的负采样质量，通过对损失函数进行加权缓解长尾实体、关系对模型训练造成的不良影响，提高模型训练性能。