-
公开(公告)号：CN117171363A
公开(公告)日：2023-12-05
申请号：CN202311262017.X
申请日：2023-09-27
Applicant: 福州大学
IPC: G06F16/36 , G06F18/214 , G06N3/0464
Abstract: 本发明提出基于图上下文的内卷积神经网络知识图谱补全方法，基于图上下文的内卷积神经网络知识图谱补全模型（InvoE），InvoE通过图上下文信息聚合模块，学习实体节点融合了上下文信息的增强表示。接着使用实体‑关系交互模块，将增强后的实体表示和关系表示拼接并用多种方法重塑成二维矩阵。然后，设计了卷积和内卷积模块，对输入图提取特征。最后，使用三元组评分模块计算侯选实体的最终得分；本发明充分利用了实体的上下文信息，模型能够挖掘知识图谱中深层次的联系，此外，有效地使用上下文信息增强实体嵌入也使得模型能够实现更精准的预测。
Search Results
1
records
(took 0.011 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
