摘要
本申请公开了一种面向时序知识图谱的链接预测方法,包括:输入包含节点和边的图数据,然后在图结构处理模块利用关系图卷积网络捕捉局部结构信息,并通过集成自注意力机制动态分配节点间的权重,输出节点嵌入表示。然后,时序动态处理模块接收历史节点嵌入,引入历史对应单元和历史频率单元,提取历史时间信息和调整事件的时间影响。最后,将图结构处理模块生成的节点嵌入与时序动态处理模块提取的时间特征进行融合,最终输出链接预测结果。通过本申请的链接预测方法,本申请显著提升了时序知识图谱推理的准确性,能够更好地捕捉时间序列数据中的复杂模式和趋势,适用于各种需要高精度预测的应用场景。
技术关键词
链接预测方法
时序
实体
知识图谱推理
关系
链接预测系统
时间段
知识图谱数据
注意力机制
节点
动态
分片
标识符
数据处理模块
索引
邻居
频率
系统为您推荐了相关专利信息
金属基复合材料
预训练模型
性能预测模型
合金
性能预测方法
节点
数据模型构建方法
远程智能控制方法
存储结构
文本
服务调用关系
多智能体强化学习
节点
时空图卷积神经网络
SVM算法
关系型数据库
中间件
数据同步方法
下游系统
动态时间窗口
相位编码信号
脉冲
频率
分辨率
序列二次规划算法