一种基于单纯复形神经网络的不确定知识图谱表示方法

本发明具体涉及一种基于单纯复形神经网络的不确定知识图谱表示方法，方法包括：获取不确定知识图谱中的三元组数据；预处理三元组数据，获得实体矩阵和关系矩阵；构建不确定知识图谱表示模型，其包括不确定知识图谱编码模块、不确定知识图谱解码模块和置信度预测模块；不确定知识图谱编码模块基于实体矩阵和关系矩阵，生成实体表示矩阵和关系表示矩阵；不确定知识图谱解码模块基于三元组数据，计算负样本置信度分数；置信度预测模块根据实体表示矩阵和关系表示矩阵，计算总体损失，训练不确定知识图谱表示模型，补全不确定知识图谱。本发明提升不确定知识图谱表示性能，精准捕捉高阶结构信息，精确计算未见三元组置信度，高效筛选高质量负样本。