[发明专利]一种基于重复历史事实的时序知识图谱案件推理方法

权利要求书

1.一种基于历史事实的时序知识图谱案件推理方法，其特征在于，所述方法包括以下步骤：

1)获取数据集中的头实体，关系，尾实体，时间戳；

2)随机初始化实体、关系和时间戳的嵌入，LSTM和神经网络的参数；

3)利用头实体，关系，尾实体，时间戳的嵌入，更新LSTM中的参数和神经网络，并通过历史词表惩罚历史中未出现的事实，过程如下：

3.1)根据时序知识图谱中事实对应的时间戳的顺序，将时序知识图谱已知事实中的头实体，关系，尾实体，时间戳的嵌入输入二维卷积，公式如下：

M_τ＝Conv2d(h,r,τ)；

M_τ是τ时间戳下嵌入经过二维卷积提取特征后的特征向量，h,r,τ是实体、关系和时间戳的嵌入；

3.2)用二维卷积提取特征后的特征矩阵M_τ训练LSTM，公式如下：

E_τ＝LSTM(M_τ)；

E_τ是τ时间戳下经过LSTM训练后的特征向量；

3.3)用一层神经网络预测头实体或者尾实体，公式如下：

S_τ＝MLP(E_τ)；

S_τ是神经网络预测的概率；

3.4)使用τ时间戳之前的历史事实生成历史词表，将实体和关系查询历史词表中是否存在过，若未存在过，做出惩罚；

P_τ＝S_τ-α*H_τ^(h,r)*|S_τ|

P_τ是经过历史词表惩罚过的的概率，P_τ是一个超参数，H_τ^(h,r)是历史词表，

3.5)使用交叉熵计算损失函数，公式如下：

L_τ(P,Q)是计算得出的交叉熵损失函数，Q_τ是真实的结果；

3.6)重复更新神经网络直到更新次数到达最大迭代次数N或者5回合内MRR不在提升；

4)根据得到的LSTM网络和神经网络，该时间戳下已知头实体和关系预测尾实体或已知尾实体和关系预测头实体，则执行3.1),3.2),3.3),得到P_τ，并在P_τ中获取最大概率的p_τ，公式如下：

p_τ＝argmax(P_τ)。