摘要
本发明涉及一种高效负采样与检索融合上下文路径的归纳关系预测方法,属于知识图谱链接预测领域。其包括以下步骤:语义感知负采样;路径提取与过滤;上下文提取与过滤;基于大语言模型的详细信息检索;句子生成;嵌入生成;生成预测结果与训练。本发明通过通过引入语义感知负采样技术生成更有效的负三元组,克服了传统随机负采样的局限性,从查询三元组中提取并过滤路径及多跳上下文,将长短实体和关系描述结合成句子,创新性地对头实体和尾实体的多跳上下文进行采样,并基于相似性过滤掉无关内容,有效解决了路径稀缺或缺失的问题。
技术关键词
三元组
实体
关系预测方法
节点
广度优先搜索算法
模式
自然语言
知识图谱链接预测
置信度阈值
大语言模型
信息检索
语义
标记
采样头
BERT模型
邻域
采样技术
系统为您推荐了相关专利信息
评估模型构建方法
在线学习平台
知识点
异质
场景
兴趣点
大语言模型
交叉注意力机制
语义
特征提取模块
多天线通信系统
编码优化方法
信号传输机制
预编码向量
节点