基于增量学习神经网络的端侧知识图谱动态更新方法

本发明涉及知识图谱更新技术领域，公开了基于增量学习神经网络的端侧知识图谱动态更新方法，本发明解决了现有技术同时在面对大规模知识图谱时，更新过程计算量巨大，可能导致端侧设备性能瓶颈的问题，在面对大规模知识图谱时，从新增数据构建子图并计算语义相似度，到利用轻量化图神经网络合并子图，能高效实现知识更新，避免传统云端重训练的高耗时问题，满足端侧实时性需求，采用稀疏存储压缩与增量式剪枝优化，减少存储开销与计算资源消耗，缓解端侧设备性能瓶颈，自适应学习率调整策略使模型训练更灵活，提升学习效果，各模块协同工作，为端侧知识图谱的动态更新提供了一套完整、高效、低耗的解决方案。