[发明专利]一种基于元学习的领域知识图谱补全方法

权利要求书

1.一种基于元学习的领域知识图谱补全方法，其特征在于：所述方法步骤如下：

步骤1：在通用知识图谱中提取领域相关范围内的实体关系三元组，定义为补全任务的元训练集D_Train；

步骤2：将待补全的小样本领域知识图谱中的三元组定义为补全任务的元测试集D_Test；

步骤3：对D_Train和D_Test中所有三元组进行初始化处理，得到向量表示的三元组(h，r，t)，其中h为头实体向量，r为关系向量，t为尾实体向量，(h，r，t)∈G，G为三元组样本集，h，t∈E，E为实体集，r∈R，R为关系集；

步骤4：对步骤1得到的元训练集D_Train，将所有具有同一关系的三元组加入同一集合，定义为该关系对应的关系任务T_r，T_r∈T，T为所有关系任务构成的任务池；

步骤5：在任务池T中随机抽取一项任务T_r，取出N_S个三元组样本作为该任务的支持集S_r，剩下的N_Q个样本作为该任务的询问集Q_r，其中N_S＜N_Q；

步骤6：对步骤5得到的支持集S_r中的每个样本(h，r，t)，使用bern方法构造该样本的负样本，对原样本和负样本按公式(1)构造相应的打分函数：按公式(2)计算损失函数：其中γ为边界超参数，[x]₊表示x的正数部分，d(h+r，t^*)是该支持集样本对应的负样本(h，r，t^*)的得分；

步骤7：计算步骤6中损失函数对于该任务关系向量r的梯度进行梯度下降，按公式(3)更新任务关系参数：其中α为关系学习率，r′为r对样本(h，r，t)更新后的任务关系向量；重复步骤6、步骤7，不断更新向量r′，直到遍历了该任务T_r的支持集S_r；

步骤8：对步骤5得到的询问集Q_r中的每个样本(h，r，t)，将样本中的关系替换为任务T_r中r对应的r′以构造Q_r′，使用bern方法对Q_r和Q_r′构造负样本，对原样本和负样本按公式(1)构造相应的打分函数，按公式(2)计算损失函数，依据该任务整个询问集的样本，按公式(4)进行小批量随机梯度下降，更新元关系向量：其中n为每次下降操作中的任务数，β为元学习率，r为针对任务T_r做更新后的元关系向量；步骤8结束后，从任务池T中删除T_r，返回步骤5，直到任务池为空；

步骤9：对步骤2得到的元测试集D_Test，将其中的完整三元组作为支持集，以步骤5到步骤8最终得到的元关系向量r对三元组中的关系做初始化，训练三元组的向量表示；

步骤10：将元测试集D_Test中待补全的三元组作为询问集，根据步骤9中得到的现有三元组的向量，将现有实体集E中的实体向量代入三元组实体的缺失部分，按照公式(1)计算询问集三元组的得分，使得分最低的实体向量对应的实体即为推荐补全的实体。

2.如权利要求1所述的一种基于元学习的领域知识图谱补全方法，其特征在于：所述步骤7中所述的梯度下降方法是在支持集S_r中，损失函数对任务关系向量的梯度进行梯度下降计算得到，其中α为关系学习率，是梯度下降的步长，r′是对该样本所在的任务进行拟合后得到的任务关系向量。