[发明专利]基于上下文数据增强的少样本知识图谱表示学习方法及系统

摘要

本发明属于知识图谱表示学习推理技术领域，特别涉及一种基于上下文数据增强的少样本知识图谱表示学习方法及系统，首先选取背景知识图谱中实体，对实体周围的邻居节点上下文信息进行编码，构建三元组实体对表示；然后通过变分自编码器学习头尾实体对在向量表示空间中的特征，解码生成新的三元组扩充训练集以辅助学习。本发明通过扩展训练样本集的同时保证训练样本的质量，从而更好地支撑少样本条件下的知识图谱表示学习以及知识推理，在聚合实体上下文和关系上下文时，考虑不同信息在不同三元组推理任务中的不同作用；通过在聚合时分配权重，能够减少噪声与无关信息带来的影响，有效提高聚合后表示信息的准确性，从而使得知识图谱表示学习具有更好的语义表达能力。