[发明专利]递归的时序知识图谱补全方法和装置

说明书

本申请提出一种递归的时序知识图谱补全方法和装置，其中，方法包括：根据获取到的时序知识图谱，获取对应的静态知识图谱，将静态知识图谱及特征经过嵌入学习获取更新后的特征；采用递归方式，以第一时间戳的子知识图谱为起点，将当前时间戳的子知识图谱、特征和嵌入学习参数作为嵌入学习的输入，得到更新后的嵌入学习参数和特征，将更新后的嵌入学习参数和特征作为相邻下一时间戳的子知识图谱的嵌入学习参数和特征，直至遍历所有时间戳的子知识图谱序列；接着，对每个时间戳的子知识图谱进行事实预测。该方法可自然拓展到未来的时间戳的知识图谱并进行事实补全，不需要因为出现新的时间戳的知识图谱对整个模型进行重新训练，具有可拓展性。

技术领域

本申请涉及信息技术及数据业务技术领域，尤其涉及一种递归的时序知识图谱补全方法和装置。

背景技术

目前，社交网络、电商平台用户的事实关系也是随着时间而发生变化的(新的实体和事实不断出现)。因此，对静态知识图谱扩展时间维度的时序知识图谱，有提高基于知识图谱的问答、搜索、推荐效果的潜力，时序知识图谱的事实分布于各时间戳，能反映出实体和关系随时间动态变化的特性。由于知识图谱的覆盖范围是有限的，时序知识图谱也有不完整性的特点。

相关技术中，主要采用离散事件补全模型和连续事实补全模型对时序知识图谱中某一时间戳下缺失的事实进行补全，但是，离散事件补全模型是对特定的静态知识图谱补全方法的扩展，缺乏对新出现的静态知识图谱补全的可拓展性，连续事实补全模型同时训练所有时间戳的事实，而在现实中，由于新的事实不断出现，时序知识图谱是动态变化的。当新的时间戳静态知识图谱出现的时候，需要重新训练，也缺乏对新的时间戳的静态知识图谱补全的可拓展性。

发明内容

本申请的目的旨在至少在一定程度上解决上述技术问题之一。

为此，本申请在于提出一种递归的时序知识图谱补全方法和装置，以实现通过递归的方式，逐个时间戳地对时序知识图谱进行嵌入学习，同时利用前面时间戳的知识图谱的信息，可自然拓展到未来的时间戳的知识图谱并进行事实补全，不需要因为出现新的时间戳的知识图谱对整个模型进行重新训练，具有可拓展性。

本申请第一方面实施例提出了一种递归的时序知识图谱补全方法，包括：获取时序知识图谱；其中，所述时序知识图谱包括不同时间戳的子知识图谱序列；根据所述时序知识图谱，获取对应的静态知识图谱，将所述静态知识图谱及所述静态知识图谱的特征经过嵌入学习获取更新后的静态知识图谱的特征；其中，所述更新后的静态知识图谱的特征为第一时间戳的子知识图谱的特征；采用递归方式，以第一时间戳的子知识图谱为起点，将当前时间戳的子知识图谱、当前时间戳的子知识图谱的特征和嵌入学习参数作为嵌入学习的输入，得到更新后的嵌入学习参数和特征，将所述更新后的嵌入学习参数和特征作为相邻下一时间戳的子知识图谱的嵌入学习参数和相邻下一时间戳的子知识图谱的特征，直至遍历所述时序知识图谱中所有时间戳的子知识图谱序列；根据所述时序知识图谱中每个时间戳的子知识图谱的对应的嵌入学习参数和特征，对所述每个时间戳的子知识图谱进行事实预测，以对所述时序知识图谱进行补全。