一种基于深度学习网络训练的知识图谱嵌入方法

本发明提供了一种基于深度学习网络训练的知识图谱嵌入方法，属于深度学习和知识图谱技术领域，该方法包括：获取多个三元组，对各三元组进行向量表示并进行归一化，组合为训练集；构建深度学习网络，对深度学习网络参数进行初始化；根据训练集，获得正样本，并按照预设概率构造负样本；将正负样本输入至深度学习网络进行训练，并利用分类和打分子网络，分别得到分类预测概率和样本分数；根据损失函数，利用误差回传梯度下降训练的方式，对深度学习网络的参数和输入信号进行更新；若更新的输入信号矢量满足预设条件，完成知识图谱嵌入，否则，再次更新输入信号矢量；本发明解决了现有知识图谱嵌入难以抽取向量之间的潜在关系以及训练效率低的问题。