摘要
本发明公开了一种模态与特征融合的知识图谱嵌入方法与模型,它包括以下流程:步骤一:特征提取阶段,导入BERT预训练语言模型、从文本和三元组序列化编码,BERT模型编码输入及词嵌入,目标节点及节点关系组的编码嵌入;步骤二:特征融合阶段,采用多种模块的交互传递对不同模态的不同维度的信息进行有效特征的拟合,生成有效的嵌入特征;步骤三:特征输出阶段,特征输出进行二分类,模型训练进入迭代泛化阶段;步骤四:链接预测任务的推理。本发明与现有技术相比的优点在于:通过采用模态融合嵌入及多路特征组合的算法,在方案质量保持或者更好提升精度的情况下,提升知识图谱嵌入的链接预测任务算法各项评估指标,达到更加有效的建模。
技术关键词
知识图谱嵌入方法
注意力
三元组
训练语言模型
BERT模型
阶段
嵌入特征
模块
编码
文本
节点
多层感知机
实体
输出特征
策略
算法
关系
指标
精度
系统为您推荐了相关专利信息
神经网络预测模型
上下文查询
消息传递机制
节点
多模态特征
检查系统
牵引装置
患者
注意力机制
多模态传感器
图像分类模型
监视系统
图像识别模块
监视装置
像素
命名实体识别方法
烟草农业
双向长短期记忆网络
多头注意力机制
训练语言模型