一种基于周期感知对比图注意网络的知识表示学习模型的构建方法及系统

本发明提出一种基于周期感知对比图注意网络的知识表示学习模型的构建方法及系统，包括构建子图采样器、构建图注意网络和时序感知对比学习。本发明首先通周期时间感知的子图采样器通过周期动态加权的方式来筛选与查询邻近的邻居实体，降低计算资源消耗，并保留关键的时序上下文和周期信息。接着，具备时间感知功能的图注意网络通过构建的查询相关子图中使用图注意生成时间感知的动态表示，得到融合邻居信息的实体嵌入表示。然后，时序感知对比学习通过通过实体的动态和静态表示对比学习来提高时间知识图谱推理中的鲁棒性，利用学习得到的嵌入表示进行实体预测。最后，利用解码器对实体表示进行解码。