结合强化学习与注意力机制的知识图谱推理方法及系统

本发明公开了结合强化学习与注意力机制的知识图谱推理方法及系统，方法包括：将知识图谱输入知识图谱推理模型，搭建知识图谱的环境，将知识图谱中的实体表示为状态，将关系‑实体对作为动作，构建马尔可夫决策过程，智能体在环境中执行动作以寻找目标实体；通过路径历史编码模块、邻居实体信息提取模块、策略决策模块和奖励塑造模块相互配合，引导智能体对知识图谱中的实体及其关系进行多跳路径推理；基于多跳路径推理的推理结果，完成知识图谱推理任务。能够有效提高知识图谱推理任务的准确性和效率，解决了传统推理方法中存在的路径选择困难、信息聚合不足和奖励稀疏的问题，具有良好的实用性和推广价值。