[发明专利]一种知识图谱的链路预测方法及系统

权利要求书

1.一种知识图谱的链路预测方法，其特征在于，包括：

获取知识图谱中的实体向量和关系嵌入向量；

生成所述实体向量和关系嵌入向量的随机排列；

将随机排列的实体向量和关系嵌入向量整形为矩阵形式；

批量归一化处理矩阵中整形后的实体向量和关系嵌入向量；

对归一化处理后的实体向量和关系嵌入向量使用循环卷积进行卷积，卷积矢量化输出并反馈至全连接层，得到实体嵌入矩阵，预测出知识图谱的链路；

在卷积网络中加入Batch Normalization算法对输入数据进行预处理，公式定义如下：

其中E[x^(l)]代表每一批训练数据神经元x^(l)的平均值，代表每一批训练数据神经元x^(l)激活度的一个标准差；

引入两个可学习参数δ、η：

每一个神经元x^(l)均有参数δ、η；

当：

η^(l)＝E[x^(l)]，

时，恢复出原始某一层所学到的特征；

给出BN网络层的前向传导公式：

其中m代表最小批的尺寸；μ，σ分别是均值和标准差；

E[x]←E_B[μ_B]

测试阶段的BN公式为

其中，E[x]和Var[x]分别为均值和标准差；δ、η为可学习参数；x为未批量归一化的数据，y为批量归一化后的数据。

2.如权利要求1所述的知识图谱的链路预测方法，其特征在于，采用整形函数将随机排列的实体向量和关系嵌入向量整形为矩阵形式。

3.如权利要求2所述的知识图谱的链路预测方法，其特征在于，所述整形函数为Chequer函数，Chequer函数用于将随机排列的实体向量和关系嵌入向量中的元素交叉排列成m×n的矩阵，其中，m为构成实体向量的元素数量，其与构成关系嵌入向量的元素数量相同；n为排列的种类。

4.如权利要求2所述的知识图谱的链路预测方法，其特征在于，所述整形函数为Stack函数。

5.如权利要求2所述的知识图谱的链路预测方法，其特征在于，所述整形函数为Alternate函数。

6.如权利要求1所述的知识图谱的链路预测方法，其特征在于，把每个循环卷积的输出展平并连接成一个向量，然后将这个向量投影到嵌入空间，得到实体嵌入矩阵。