知识表示学习模型训练、链接预测、三元组评估方法

本申请公开了一种知识表示学习模型训练、链接预测、三元组评估方法。其中，该方法包括：首先，从目标领域的结构化数据中自动提取多个三元组，每个三元组明确包含头实体、关系与尾实体。随后，对每个三元组构建正样本，并通过替换实体创建负样本。构建初始学习模型，该模型核心创新在于生成包含实体嵌入向量、旋转角度及关系映射属性的向量表示，其中旋转角度允许实体在关系对应的超平面上灵活变换，而关系映射属性则量化了实体间的关联度。最后，利用正负样本集对初始模型进行训练和优化。本申请解决了相关知识表示学习模型在处理复杂关系时难以满足需求的技术问题。