一种‌联邦知识图谱表示学习方法、系统、设备及介质

本申请涉及机器学习技术领域，公开了一种‌联邦知识图谱表示学习方法、系统、设备及介质。该方法包括：构建本地知识图谱和本地知识图谱表示模型；从服务器端下载全局神经网络模型，根据本地知识图谱表示模型确定每个实体对应的邻居实体，通过全局神经网络模型将每个实体和每个实体对应的邻居实体进行聚合，得到每个实体的目标表示向量；利用每个实体的目标表示向量对全局神经网络模型进行更新，得到目标神经网络模型；将目标神经网络模型上传到服务器端，通过服务器端对所有客户端上传的目标神经网络模型进行聚合，得到目标联邦知识图谱表示模型。本申请可以降低整个模型在训练过程中的通信负担。