[发明专利]一种基于余弦度量规则的知识图谱表示学习方法

摘要

本发明公开一种基于余弦度量规则的知识图谱表示学习方法，首先将知识图谱中的实体与关系随机嵌入到两个向量空间；其次利用候选实体统计规则，统计相关关系对应的三元组集与候选实体向量集；再次利用余弦相似度构造目标向量与候选实体的评分函数，对候选实体进行评价；最后利用损失函数将所有相关关系的候选实体向量与目标向量进行统一训练，并通过随机梯度下降算法最小化损失函数。当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。

主权项

1.一种基于余弦度量规则的知识图谱表示学习方法，其特征是，包括步骤如下：步骤1、利用向量随机生成方法将知识图谱中的实体集和关系集分别嵌入到实体向量空间和关系向量空间，得到实体向量和关系向量；步骤2、利用候选实体统计规则，获得随机选择三元组的候选实体向量集，并根据候选实体向量集随机生成错误实体向量集；步骤3、利用余弦相似度构造目标向量与候选实体向量之间的评分函数，同时规范其函数值的取值范围；步骤4、利用评分函数构建基于边界的区分候选实体向量集与错误实体向量集的损失函数，然后根据损失函数使得候选实体向量集对目标向量进行统一约束；步骤5、利用优化算法最优化损失函数值，从而使得候选实体向量集的评分函数值接近于1，错误实体向量集的评分函数值接近于0，以学得实体与关系的最佳向量表示，达到优化目标。