一种基于强化学习的多模态图谱推理方法

本发明具体涉及一种基于强化学习的多模态图谱推理方法，方法包括：获取三元组数据；搭建强化学习模型，强化学习模型包括策略网络模块、动态补全模块和策略优化模块；将三元组数据输入至策略网络模块，构建状态信息和状态信息对应的动作空间，生成状态嵌入，计算状态对应的动作空间的概率分布；将三元组数据和状态信息输入至动作补全模块，构建新的动作空间；将新的动作空间输入至策略网络中，生成新的状态对应的动作空间的概率分布；策略优化模块优化强化学习模型，基于新生成的概率分布，以实现多模态图谱推理。多模态知识图谱通过整合不同源的信息，提供了更全面丰富的知识表示，为智能系统提供了更强大的理解推理能力。