基于可逆神经网络的轻量级超关系知识图谱链接预测方法

本发明公开了一种基于可逆神经网络的轻量级超关系知识图谱链接预测方法，该方法首先搭建并训练包括训练数据预处理模块、图谱事实嵌入模块、可逆变换模块、噪声解耦合模块、解码器模块的链接预测网络；在链接预测过程中，数据首先通过训练数据预处理模块变成训练实例和标签，经过图谱事实嵌入模块后得到图谱事实特征；通过可逆变换模块的正向过程得到含噪声的潜在编码，经过噪声解耦合模块得到祛噪的潜在编码，最后通过可逆变换模块的逆向过程得到完整的图谱事实特征，从而得到所缺失的元素。与现有的技术相比，本发明的超关系知识图谱链接预测方法在保持链接预测性能的同时，降低训练消耗的资源和时间，且具有更好的兼容性。