公开(公告)号：CN116383401A

公开(公告)日：2023-07-04

申请号：CN202310222708.0

申请日：2023-03-09

Applicant: 大连理工大学

Inventor： 陈思龙 ,  孔雨秋 ,  张立和 ,  马战川 ,  尹宝才

IPC: G06F16/36 ,  G06F40/30 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0464

Abstract: 本发明提供了一种融合文本描述与图卷积机制的知识图谱补全方法，属于知识图谱补全领域。依次包括以下步骤：首先将实体描述文本和关系词作为输入，利用多层加权图卷积网络，集成实体语义与关系词向量以及实体语义与相邻实体语义的注意力机制，从邻域中获取信息，得到高质量实体特征；其次，通过跨模态Transfomer和空洞卷积进一步提高实体与关系的交互，得到特征图；最后，将特征图拉平后映射到实体向量所在空间，与尾实体点乘后得到相似度得分。本发明可以获得更好实体嵌入表示，并且提高知识图谱补全任务性能。

公开(公告)号：CN115408536A

公开(公告)日：2022-11-29

申请号：CN202211031111.X

申请日：2022-08-26

Applicant: 大连理工大学

Inventor： 马战川 ,  张立和 ,  孔雨秋 ,  陈思龙 ,  尹宝才

IPC: G06F16/36 ,  G06F16/33 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于上下文信息融合的知识图谱补全方法。本发明首次利用3D卷积处理知识图谱上下文信息，并引入头尾双关系来解决复杂关系的编码问题。首先使用实体关系编码模块对输入的实体关系对进行编码得到实体关系特征；再使用上下文编码模块对输入的上下文信息进行编码得到上下文特征；然后将实体关系特征和上下文特征输入到特征融合模块进行特征融合得到查询向量；最后计算查询向量与候选尾实体向量的相似度得到不同候选实体的得分。本发明利用3D卷积对上下文结构信息进行特征提取，将其融入实体关系特征中，在多个常用的数据集上进一步提高知识图谱补全方法的准确率。