一种面向大规模复杂装置的生成对抗元学习知识图谱补全方法

本发明公开了一种面向大规模复杂装置的生成对抗元学习知识图谱补全方法，所述方法包括前置环节、嵌入环节和优化环节三大环节，其中：前置环节包括层次化知识图谱的构建，并以此为支撑构建条件生成对抗网络和元学习架构；嵌入环节包括元学习架构中基学习器构建、元学习器构建，并以此为基础构建多任务生成模型；优化环节包括基学习器的独立优化、元学习器的全局梯度更新；嵌入环节对条件生成对抗网络和元学习框架进行调用，将条件生成对抗网络嵌入到元学习过程中；优化环节结合局部约束与全局梯度的训练策略，对模型进行调节。本发明能够实现小样本知识图谱的补全，提高大规模复杂知识图谱补全的准确度和计算效率，赋予推理结果一定的可解释性。