-
公开(公告)号：CN114385831A
公开(公告)日：2022-04-22
申请号：CN202210044332.4
申请日：2022-01-14
Applicant: 重庆邮电大学
Abstract: 本发明属于知识图谱补全领域，具体涉及一种基于特征提取的知识图谱关系预测方法；该方法包括：获取原始数据；根据原始数据构建初始知识图谱和待预测三元组；采用训练好的邻居编码器对待预测三元组进行处理，得到关系正确的三元组；根据关系正确的三元组补全初始知识图谱，得到完整的知识图谱；本发明结合特征提取与相似度计算机制，解决了传统知识图谱关系预测方法需要大量数据支撑的问题，采用少样本数据可较准确的对知识图谱进行关系预测，可获得更加准确的知识图谱，同时提升了少样本关系预测方法的性能和计算效率，具有广阔的应用前景。
-
公开(公告)号：CN114385831B
公开(公告)日：2024-06-18
申请号：CN202210044332.4
申请日：2022-01-14
Applicant: 重庆邮电大学
Abstract: 本发明属于知识图谱补全领域，具体涉及一种基于特征提取的知识图谱关系预测方法；该方法包括：获取原始数据；根据原始数据构建初始知识图谱和待预测三元组；采用训练好的邻居编码器对待预测三元组进行处理，得到关系正确的三元组；根据关系正确的三元组补全初始知识图谱，得到完整的知识图谱；本发明结合特征提取与相似度计算机制，解决了传统知识图谱关系预测方法需要大量数据支撑的问题，采用少样本数据可较准确的对知识图谱进行关系预测，可获得更加准确的知识图谱，同时提升了少样本关系预测方法的性能和计算效率，具有广阔的应用前景。
-
公开(公告)号：CN112948506A
公开(公告)日：2021-06-11
申请号：CN202110357268.0
申请日：2021-04-01
Applicant: 重庆邮电大学 , 南方电网科学研究院有限责任公司
Abstract: 本发明属于图数据关系预测领域，具体涉及一种基于卷积神经网络的改进元学习的关系预测方法，该方法包括：实时获取待测数据，将待测数据转换为三元组数据；将转化后的三元组数据输入到训练好的改进元学习关系预测模型中，得到待测数据的预测结果；采用本发明的方法解决了因为样本较少而无法使用需要大量数据支撑的深度学习模型，同时使用卷积神经网络通过实体的邻居进一步来得到实体的特征，提高了计算效率。
-
-
Search Results
3
records
(took 0.011 seconds)
