摘要
本发明涉及时序知识图谱推理技术领域,且公开了基于分级知识嵌入与强化学习的时序知识图谱推理方法,建立分级知识嵌入模型,分级知识嵌入模型通过子图级别与全局图级别两个级别的嵌入学习来获取知识特征表示;建立强化学习推理模型,强化学习推理模型引入加权动作评分机制设计策略网络;将强化学习推理模型进行训练与优化;进行时序知识图谱推理实验;分析实验结果并进行消融实验,推理可解释性分析,完成时序知识图谱推理,本申请基于分级知识嵌入与强化学习的时序知识图谱推理方法引入分级知识嵌入模型,通过两个级别知识嵌入,充分地捕捉语义依赖以及时间演变信息,以获得更准确的知识图谱的潜在特征表示。
技术关键词
知识图谱推理方法
实体
时序
评分机制
邻居
关系
静态特征
语义
注意力机制
训练智能
多层感知器
节点
策略
网络
矩阵
参数
决策
数据
系统为您推荐了相关专利信息
电梯故障预测方法
电机运行效率
临界电机
数据
轿厢
多模态特征融合
智能诊断方法
数据
序列
噪声特征检测
卡尔曼滤波算法
运动状态评估
时序特征
风险预警方法
注意力
舞蹈生成方法
深度学习模型
动作视频提取
风格
计算机视觉算法
多维度评估方法
检查点失效
动态
评分机制
权重模型