一种基于子图采样和预训练语言模型的知识图谱补全方法

本发明涉及知识图谱补全技术领域，具体涉及一种基于子图采样和预训练语言模型的知识图谱补全方法，包括：获取JSON格式数据的实体信息，将JSON格式数据的实体结构信息作为输入，得到头实体和尾实体的二阶子图结构；将二阶子图结构转换为文本，得到头实体和尾实体对应的文本序列，并与实体描述信息拼接，得到综合文本序列；基于综合文本序列获取头实体关系和尾实体对应的嵌入向量，构建正样本对；与负采样得到的负样本对输入到对比学习模块，得到头实体关系和尾实体对应的优化后的最终向量，以补全知识图谱中缺失的信息。本发明通过子图采样和BERT模型的联合使用，增强了三元组预测的准确性。