一种基于参数化向量偏移的知识图谱嵌入方法

本发明涉及一种基于参数化向量偏移的知识图谱嵌入方法，属于知识图谱、深度学习和自然语言处理相关技术领域。该方法基于平移原理，通过引入参数化的偏移向量调节实体的关系映射，允许模型在训练过程中自适应的调整关系嵌入的方向和幅度，从而为模型提供了额外的自由度来更好捕捉实体间的关系。该方法在原始的打分函数中，引入可调节参数偏移向量，并进行归一化处理。同时，设置了一个缩放因子以平衡模型对嵌入向量和偏移量的依赖程度。本发明在链接预测任务上性能显著优于其他经典的基于平移距离的知识图谱嵌入方法。