摘要
本公开涉及一种基于对偶复数的知识图谱推理方法、装置、设备及介质,该方法包括:从待推理的知识图谱中提取样本三元组;对样本三元组进行负采样,得到负样本三元组;将样本三元组和负样本三元组确定为训练数据输入至用于将实体和关系嵌入至对偶复数空间的向量转换模型,基于向量转换模型输出的第一头实体向量、第一关系向量、第一尾实体向量、第二头实体向量、第二关系向量和第二尾实体向量构建损失函数,并对向量转换模型进行训练;基于训练后的向量转换模型对知识图谱进行推理补全。本公开通过将对偶复数空间应用于知识图谱的向量表示并训练向量转换模型,能够在不牺牲模型表现力的情况下减少参数量,提高知识图谱推理补全任务的运算效率。
技术关键词
三元组
实体
知识图谱推理方法
样本
关系
数据
采样模块
处理器
计算机设备
输入模块
元素
可读存储介质
存储器
比率
系统为您推荐了相关专利信息
动态多核
轴承故障诊断方法
节点特征
拉普拉斯
卷积模块
轴承故障诊断方法
故障诊断模型
样本
DNN模型
数据
XGBoost模型
变量
联合分析方法
结构方程模型
计算机执行指令