[发明专利]一种基于可信度向量的知识图谱表示学习方法在审
| 申请号： | 201811140337.7 | 申请日： | 2018-09-28 |
| 公开（公告）号： | CN109189945A | 公开（公告）日： | 2019-01-11 |
| 发明（设计）人： | 熊盛武;毛晶晶;段鹏飞 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 鲁力 |
| 地址： | 430070 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于可信度向量的知识图谱表示学习方法，在该方法中基于可信度向量，实体在不同关系下具有不同表达形式，不同的关系关注实体不同的属性信息，本发明能够提升知识表示学习在复杂关系下的区分能力，并且避免了增加过多模型复杂度。本发明方法可以对知识图谱中的实体和关系进行表示，用于知识图谱的补全和推理，具有较好的实用性。 | ||
| 搜索关键词： | 图谱 可信度 向量 复杂关系 属性信息 知识表示 复杂度 推理 学习 | ||
【主权项】：
1.一种基于可信度向量的知识图谱表示学习方法，其特征在于，包括如下步骤：步骤1，输入知识图谱中的三元组(h,r,t)，根据关系r生成其对应的可信度向量；步骤2，根据可信度向量，定义三元组(h,r,t)中实体向量、关系向量和可信度向量之间的相互关联；步骤3，通过损失函数将实体向量、关系向量和可信度向量关联起来，并最小化损失函数，以学习实体向量、关系向量和可信度向量，达到优化目标。
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武汉理工大学，未经武汉理工大学许可，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/patent/201811140337.7/，转载请声明来源钻瓜专利网。
