摘要
本发明提供了一种结合嵌入方法和大语言模型的知识图谱补全方法,属于知识图谱处理技术领域。本发明通过结合基于嵌入的模型和大语言模型,充分利用结构化数据的图形特性和文本数据的语义深度,有效提高了知识图谱补全的准确性和效率。本发明相对于传统的知识图谱补全技术,引入大语言模型处理文本描述,并与基于嵌入的模型生成的嵌入进行融合,大大提升了补全任务的性能。本发明引入了对比学习框架以优化预测,增强模型(补全方法)在各种知识图谱上的泛化能力。
技术关键词
知识图谱补全方法
嵌入方法
大语言模型
实体
多层感知机
样本
文本
自然语言
三元组
优化器
生成关系
训练集
语义特征
框架
数据
系统为您推荐了相关专利信息
检测数据处理方法
拓扑特征
序列特征
轻量化神经网络
检测数据处理系统
数字模型构建方法
渲染三维模型
全景拍摄
图像
实体
三维点云信息
碰撞预警方法
坐标
叉车
三维点云数据
心率
电信号
医学影像数据
深度学习模型
磁共振成像数据