[发明专利]一种多源时空知识融合方法

权利要求书

1.一种多源时空知识融合方法，其特征在于，具体步骤如下：

首先、选取两种在时空精度和采样率方面都不同的时空数据源，对两种数据源分别进行预处理，得到各自对应的时空轨迹序列，并分别构建每个时空数据源对应的时空知识图谱；

时空知识图谱中的三元组实体1，时间关系，实体2；

然后、利用基于衰减机制的长路径知识图表示算法对两种时空知识图谱中的三元组分别进行训练学习，得到每个实体的最终低维向量表示；

具体为：

步骤201、首先将两个时空知识图谱中的所有实体和时间关系，分别用嵌入向量表示并随机初始化赋值；

步骤202、根据基于衰减机制的长路径的知识图表示算法构建目标函数：

目标函数包括三部分：L＝L(G₁)+L(G₂)+L_al；

其中L(G₁)是对第一种时空知识图谱进行训练学习的第一目标函数；L(G₂)是对第二种时空知识图谱进行训练学习的第二目标函数；L_al表示将两个时空知识图谱中对应的实体进行对齐的第三目标函数；

步骤203、对第一目标函数L(G₁)和第二目标函数L(G₂)，分别使用随机梯度下降法训练两个时空知识图谱中的所有实体和时间关系的嵌入向量，带入通用目标函数中进行学习，使得第一和第二目标函数L(G₁)和L(G₂)收敛；

通用的目标函数为：

(h，r，t)表示时空知识图谱中的三元组实体1，时间关系，实体2；G是时空知识图谱中的有效三元组集合；L(h，r，t)为针对三元组设计的基于边际的损失函数；Z为归一化因子；R(p|h，t)为经典模型PTransE中定义的关系路径p的可靠性；关系路径序列p＝{r₁，...，r_l}；r_l表示从实体h到实体t的路径经过的第l个关系；L(p，r)为针对路径p和直接关系r设计的基于边际的损失函数；P(h，t)表示从实体h到实体t的关系路径p的集合；路径表示p依据经过的关系序列p＝{r₁，...，r_l}，通过迭代的方式来学习，定义如下：初始表示q₀＝W·[r₁：r₂]，加入衰减因子q₁＝W·[(α·q₀)：r₃]，直到p＝q_l-2＝W·[(α·q_l-3)：r_l]；其中W∈R^d×2d为参数矩阵，d为关系向量的维度；α为衰减因子，用于衡量随着关系路径长度增长，前面关系对最终实体的影响进一步减弱；[a：b]表示两个向量的拼接操作；

步骤204、针对第三目标函数L_al，利用预先设定两时空知识图谱中的对齐实体对，带入L_al中进行学习，直至收敛得到变换函数的参数；

函数L_al定义为

其中(e，e′)是预先对齐的实体对，分别对应两个时空知识图谱中的实体；E_al是预先对齐的实体对集合；R_al是预先对齐的时间关系对集合；f₁(·)和f₂(·)分别为实体和关系向量的变换函数；

步骤205、当目标函数L的三部分都收敛时，得到两个时空知识图谱中每个实体的最终低维向量；

最后、针对两个时空知识图谱的实体最终低维向量，依次选择第二种时空知识图谱中的未对齐实体，将当前未对齐实体S，经过变换函数后与第一种时空知识图谱中的所有实体逐一进行相似度对比，并选择相似度最高的实体与未对齐实体S匹配成实体对；最终按照所有实体对齐的结果，对两种不同的时空数据源进行时空知识的融合。