[发明专利]一种关系预测方法及系统

权利要求书

1.一种关系预测方法，其特征在于，包括如下步骤：

S1：对原始训练数据进行向量化处理，得到路径关系向量组；

S2：对所述路径关系向量组进行模型解码处理，得到关系特征表述向量；

S3：对所述关系特征表述向量进行模型构建，得到特征模型；

S4：根据所述特征模型分别对多个待测数据进行关系矩阵的计算，得到多个关系矩阵；

S5：对多个所述关系矩阵进行最小值筛选处理，得到最小关系矩阵，并将所述最小关系矩阵对应的所述待测数据作为所述路径关系向量组，返回步骤S2进行模型解码处理，得到预测数据。

2.根据权利要求1所述的关系预测方法，其特征在于，所述步骤S1的过程包括：

S11:对所述原始训练数据进行预处理，得到知识图谱数据；

S12:利用广度优先收索算法对所述知识图谱数据进行搜索处理，得到路径关系组；

S13:对所述路径关系组进行数据向量化处理，得到路径关系向量组。

3.根据权利要求1所述的关系预测方法，其特征在于，所述步骤S2的过程包括：

S21：通过多头RNN图注意力网络对所述路径关系向量组进行数据关联处理，得到待更替参数；

S22:通过所述待更替参数构建模型，得到解码端参数模型；

S23:对所述解码端参数模型进行解码处理，得到关系特征表述向量。

4.根据权利要求3所述的关系预测方法，其特征在于，所述待更替参数包括节点矩阵和线性化节点；

通过多头RNN图注意力网络对所述路径关系向量组进行数据关联处理，得到节点矩阵和线性化节点，具体为：

S211：通过第一式对所述路径关系向量组进行节点矩阵的计算，得到节点矩阵，所述第一式为：

G′＝G.W^R，

其中，G＝{(e_i,r_k,e_j)|e_i,e_j,r_k∈input}，

其中，G为输入节点矩阵，input为输入路径数据，W^R为节点矩阵权重参数，G′为节点矩阵；

S212：通过第二式对所述路径关系向量组进行线性化节点的计算，得到线性化节点，所述第二式为：

e″＝W^Ee′_i+b，

其中，

其中，α_ijk＝softmax_jk(net_ijk)，

其中，net_ijk＝LeakyReLU(RNN(c_ijk))，

其中，

其中，为节点i与节点j的关系为关系k的向量，W₁为节点i与节点j的关系为k的权重参数，e_i为节点i，e_j为节点j，r_k为节点i与节点j的关系k，M为预设的多头注意力，W^E为权重参数，b为偏置值，e″为线性化节点，net_ijk为输出关系，Leaky Re LU为激活函数，RNN为rnn神经网络，α_ijk为注意力，soft max_jk为激活函数，elu为激活函数。