基于矩阵表示和Grassmann流形优化的知识图谱嵌入和链接预测的优化方法

一种基于矩阵表示和Grassmann流形优化的知识图谱嵌入和链接预测优化方法，通过制定高质量的矩阵表示模板作为输入，利用多个模型生成嵌入矩阵，并通过Grassmann流形优化算法进行编码，生成多维空间向量编码。该方法进一步结合信息修正的自适应迭代检测、语义精度与偏差控制、基于规则模板匹配的相似度算法，对模型输出进行迭代式修正优化，并与黄金标签进行综合评判，以提高解释的准确性和质量。本发明能够有效解决现有模型在信息规范性、语义精度偏差和规则一致性方面的问题，提升知识图谱嵌入和链接预测的整体性能，使不同模型的输出维持在一个平衡状态，弥补单一模型的不足。