一种知识图谱补全方法、装置及存储介质

本申请公开了一种知识图谱补全方法、装置及存储介质，属于自然语言处理技术领域。针对三元组(s,r,o)，根据知识图谱中实体和关系的文本描述，输出头实体的关系感知嵌入表示和尾实体嵌入表示；将尾实体嵌入表示输入到扩散模型中，并以头实体的关系感知嵌入表示为条件引导扩散模型的去噪过程，采用均方误差损失函数训练扩散模型；从同一批次内采样负样本、扩散模型的去噪过程中采样难负样本，生成一个负样本集；根据负样本集与正样本，使用对比学习损失函数进行训练以得到用于知识补全的目标知识表示模型。这样，使用目标知识表示模型进行补全时，能够充分学习到正负样本的边界，从而正确预测缺失的实体知识。