[发明专利]一种使用共享参数卷积神经网络的知识图谱表示方法有效
| 申请号： | 202011347873.1 | 申请日： | 2020-11-26 |
| 公开（公告）号： | CN112487201B | 公开（公告）日： | 2022-05-10 |
| 发明（设计）人： | 王震;杜昊桐;朱培灿;王榕;姚权铭 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/35;G06N3/04;G06N3/08 |
| 代理公司： | 西安瀚汇专利代理事务所(普通合伙) 61279 | 代理人： | 汪重庆 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 使用 共享 参数 卷积 神经网络 知识 图谱 表示 方法 | ||
【权利要求书】：
1.一种使用共享参数卷积神经网络的知识图谱表示方法，其特征在于，具体步骤为：对于一个实体个数为ne，关系个数为nr的待表示的知识库，利用实体嵌入层生成一个维度为ne×de的实体表示矩阵，其中de为实体表示向量的长度，对于这nr个关系，利用关系嵌入层生成一个维度为nr×dr的关系卷积矩阵，其中dr为关系表示向量的长度，设置dr的数值为9×nf，nf为卷积神经网络中的卷积核个数，并对实体表示矩阵和关系卷积矩阵进行随机初始化；实体表示矩阵的某一行，代表的是某个实体的表示向量；关系卷积矩阵的某一行，代表的是某个关系的表示向量；
每一组输入数据都对应了三个向量，分别是长度为de的头实体表示向量，长度为dr的关系实体表示向量，长度为de的尾实体表示向量；将实体表示向量变形成为二维实体表示矩阵A，将关系向量变形成为nf个3×3的卷积核ω，将矩阵A与卷积核ω做卷积操作，获得特征矩阵F1，再将F1与卷积核ω做卷积操作，得到特征矩阵F2，将特征矩阵F2变形成为中间向量，将其通过全连接神经网络，将该中间向量的维度降为de，得到特征向量，将该特征向量与实体表示矩阵的转置相乘，再通过sigmod函数，得到每个实体作为输入头实体与关系对应的尾实体的概率值，其中Sigmod函数由下列公式定义
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学，未经西北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011347873.1/1.html，转载请声明来源钻瓜专利网。
