训练用于表征知识图谱的图神经网络模型的方法及装置

    公开(公告)号:CN110866190A

    公开(公告)日:2020-03-06

    申请号:CN201911127100.X

    申请日:2019-11-18

    Abstract: 本说明书实施例提供一种训练用于表征知识图谱的图神经网络模型的方法和装置,其中方法包括,从知识图谱中获取三元组,其中包括第一节点,第二节点,以及从第一节点指向第二节点的第一连接边;然后,在边嵌入层,根据第一连接边对应的关系类型以及边属性特征,确定对应的第一边向量;在节点嵌入层,分别将第一节点和第二节点作为目标节点,根据目标节点的节点属性特征,以及目标节点的邻居节点集,进行多级向量嵌入,从而分别得到与第一节点和第二节点对应的第一高阶向量和第二高阶向量。接着,根据第一高阶向量、第二高阶向量和第一边向量,确定第一节点通过第一连接边连接到第二节点的概率,以最大化概率为目标,更新边嵌入层和节点嵌入层。

    训练用于表征知识图谱的图神经网络模型的方法及装置

    公开(公告)号:CN110866190B

    公开(公告)日:2021-05-14

    申请号:CN201911127100.X

    申请日:2019-11-18

    Abstract: 本说明书实施例提供一种训练用于表征知识图谱的图神经网络模型的方法和装置,其中方法包括,从知识图谱中获取三元组,其中包括第一节点,第二节点,以及从第一节点指向第二节点的第一连接边;然后,在边嵌入层,根据第一连接边对应的关系类型以及边属性特征,确定对应的第一边向量;在节点嵌入层,分别将第一节点和第二节点作为目标节点,根据目标节点的节点属性特征,以及目标节点的邻居节点集,进行多级向量嵌入,从而分别得到与第一节点和第二节点对应的第一高阶向量和第二高阶向量。接着,根据第一高阶向量、第二高阶向量和第一边向量,确定第一节点通过第一连接边连接到第二节点的概率,以最大化概率为目标,更新边嵌入层和节点嵌入层。

Patent Agency Ranking