[发明专利]一种关系预测方法及系统

说明书

本发明提供一种关系预测方法及系统，方法包括：对原始训练数据进行向量化处理，得到路径关系向量组；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；对所述关系特征表述向量进行模型构建，得到特征模型；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；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并进行模型解码处理得到预测数据。本发明有效的提高预测准确性，并具有良好的鲁棒性，能够合理准确的预测出目标节点的关系，实现了以少部分数据为依托去预测推理其它同类数据的关系或标签。

技术领域

本发明主要涉及数据挖掘技术领域，具体涉及一种关系预测方法及系统。

背景技术

基于知识图谱预测和推理问题的相关研究具有广泛的应用价值，不仅能够应用于自然语言中的问答系统，也能用于语音补全和推荐系统中。现有技术无法实现深度挖邻居节点与目标相关节点之间的相互影响程度，从而无法尽可能多的挖掘图数据中信息，同时也无法在多维特征空间实现节点特性的精准表达,进而不能合理准确的预测出目标节点的关系，更加无法实现以少部分数据为依托去预测推理其它同类数据的关系或标签。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种关系预测方法及系统。

本发明解决上述技术问题的技术方案如下：一种关系预测方法，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。

本发明解决上述技术问题的另一技术方案如下：一种关系预测系统，包括：

数据处理模块，用于对原始训练数据进行向量化处理，得到路径关系向量组；

模型解码模块，用于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；

向量模型构建模块，用于对所述关系特征表述向量进行模型构建，得到特征模型；

待测数据计算模块，用于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；

预测数据获得模块，用于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。

本发明的有益效果是：通过对原始训练数据的向量化处理得到路径关系向量组，对路径关系向量组的模型解码处理得到关系特征表述向量，对关系特征表述向量的模型构建得到特征模型，能够学习到中心节点中的邻居节点间的关系特性，实现了对节点更加合理的区分，根据特征模型分别对多个待测数据的关系矩阵的计算得到多个关系矩阵，对多个关系矩阵的最小值筛选处理得到最小关系矩阵，并将最小关系矩阵对应的待测数据作为路径关系向量组进行模型解码处理得到预测数据，有效的提高预测准确性，并具有良好的鲁棒性，实现了深度挖邻居节点与目标相关节点之间的相互影响程度，从而尽可能多的挖掘图数据中信息，同时也可以在多维特征空间实现节点特性的精准表达,进而合理准确的预测出目标节点的关系，实现了以少部分数据为依托去预测推理其它同类数据的关系或标签。

附图说明