摘要
本发明公开了一种企业知识图谱推理补全方法及推理补全系统,包括:获取目标企业待补全的知识图谱,输入至训练好的知识图谱嵌入模型,通过对残缺三元组进行预测,以实现知识图谱的推理补全;其中,知识图谱嵌入模型包括实体节点编码模块、多层图卷积神经网络模块、Softmax池化层以及基于自注意力机制的门控神经网络。本方法的知识图谱嵌入模型能够提供更加精准的语义信息用于特征交互,实现了三元组在子张量核粒度和全局粒度上的多层次特征交互与聚合能够更加高效地挖掘知识图谱的实体和关系背后的隐含语义。故在知识图谱补全的准确性、语义建模能力和可解释性等方面都具有明显改进。
技术关键词
企业知识图谱
补全方法
三元组
矩阵
门控神经网络
实体
卷积神经网络模块
注意力机制
语义
节点
梯度下降算法
训练集
编码模块
样本
挖掘知识图谱
表达式
知识图谱补全
元素
系统为您推荐了相关专利信息
配电箱开关柜
故障检测方法
故障分类模型
故障检测程序
六氟化硫气体浓度
雷达数据关联方法
矩阵
规模
数据关联装置
匈牙利算法
变频风机控制方法
环境传感器
电机绕组温度
管控平台
算术平均值