公开(公告)号：CN115936115B

公开(公告)日：2023-10-13

申请号：CN202310015102.X

申请日：2023-01-05

Applicant: 电子科技大学

Inventor： 廖伟智 ,  梁铮琰 ,  阎德劲

IPC: G06N5/02 ,  G06F16/36 ,  G06F16/901 ,  G06F16/83 ,  G06F16/28

Abstract: 本发明涉及知识图谱嵌入技术领域，提供一种基于图卷积对比学习和XLNet的知识图谱嵌入方法，其包括以下步骤：1)知识图谱图结构构建；2)基于图对比学习框架的GNN‑XLNet模型训练；3)实体链接。本发明提出的知识图谱嵌入方法，既减少了数据标注的工作量，又使知识图谱具备了较高的精确度。本发明通过图对比学习，增加了知识图谱样本量，使得深度学习模型的训练效果得到提升。本发明通过GNN‑XLNet模型，使得知识图谱嵌入能同时从图结构特征和语义特征两个方面获得特征提取，从而完成更好的嵌入。本发明能较佳地进行知识图谱的嵌入。

公开(公告)号：CN115936115A

公开(公告)日：2023-04-07

申请号：CN202310015102.X

申请日：2023-01-05

Applicant: 电子科技大学

Inventor： 廖伟智 ,  梁铮琰 ,  阎德劲

IPC: G06N5/02 ,  G06F16/36 ,  G06F16/901 ,  G06F16/83 ,  G06F16/28

Abstract: 本发明涉及知识图谱嵌入技术领域，提供一种基于图卷积对比学习和XLNet的知识图谱嵌入方法，其包括以下步骤：1)知识图谱图结构构建；2)基于图对比学习框架的GNN‑XLNet模型训练；3)实体链接。本发明提出的知识图谱嵌入方法，既减少了数据标注的工作量，又使知识图谱具备了较高的精确度。本发明通过图对比学习，增加了知识图谱样本量，使得深度学习模型的训练效果得到提升。本发明通过GNN‑XLNet模型，使得知识图谱嵌入能同时从图结构特征和语义特征两个方面获得特征提取，从而完成更好的嵌入。本发明能较佳地进行知识图谱的嵌入。