时序知识图谱预测模型的训练方法及装置

本发明涉及信息技术领域，提供一种时序知识图谱预测模型的训练方法及装置，通过利用基于时序逻辑规则的逻辑推理模型所具备的隐含数据发掘能力，并以此为纽带，以具有特征表达能力优势的神经网络预测模型，通过对隐含数据的可信度评价打分，为逻辑推理模型提供附加的监督信息，从而提高逻辑推理模型的学习效果；反过来，逻辑推理模型则利用经过优化的模型参数，为神经网络预测模型提供更可靠的潜在缺失的扩充隐含事件，从而实现对神经网络预测模型的参数优化。在有限次重复迭代之后，最终的时序知识图谱预测模型会达到一个最优状态，相较于使用单一逻辑推理模型或神经网络预测模型进行预测的方法，可显著提高时序知识图谱预测的准确性和有效性。