一种基于负样本增强扩散过程的时序知识图谱方法

本发明公开了一种基于负样本增强扩散过程的时序知识图谱方法，属于时序推理与知识表示领域。针对现有时序知识图谱推理中因忽略负样本上下文导致的预测偏差与鲁棒性不足，以及依赖通用损失公式引起的生成能力受限问题，本发明提出创新解决方案。该方法通过词向量编码器对历史实体序列、关系序列、时间间隔序列和未来预测实体序列进行编码；采用批次负样本采样策略生成负样本嵌入；利用正向扩散过程向正负样本嵌入注入高斯噪声；基于Transformer去噪网络以历史嵌入、关系嵌入和时间嵌入为条件进行去噪重建；构建包含重建损失和负样本优化损失的联合损失函数；最后通过反向扩散过程还原实体预测样本并输出结果。