[发明专利]一种具有归纳能力的知识图谱推理方法

权利要求书

1.一种具有归纳能力的知识图谱推理方法，其特征在于，所述推理方法包括：

给定知识图谱，利用广度优先搜索算法抽取出每一个目标三元组(u,r_t,v)的闭合子图；

获取所述闭合子图的实体，采用聚合关系表征的方式初始化实体表征；

将含有实体表征和关系表征的所述闭合子图输入到图神经网络中；

获取所述闭合子图的关系路径表征；

将所述闭合子图的实体表征及所述关系路径表征进行连结，获得所述闭合子图的表征信息；

根据每个所述目标三元组，利用所述表征信息对存在可能性进行打分；

根据每个所述目标三元组，创建负样本三元组，并根据每个所述目标三元组的标签进行有监督损失函数：

其中(u',r'_t,v')为负样本三元组，γ为超参数；

基于互信息最大化原理进行无监督学习；

将所述有监督学习与所述无监督学习结合起来进行联合学习训练。

2.根据权利要求1所述的一种具有归纳能力的知识图谱推理方法，其特征在于，所述闭合子图内的最长路径为3。

3.根据权利要求1所述的一种具有归纳能力的知识图谱推理方法，其特征在于，所述获取所述闭合子图的实体，采用聚合关系表征的方式初始化实体表征具体包括：

对于每个结点i，通过注意力值α_r聚合周围的关系表征e_r，生成

根据目标头尾实体(u,v)的相对位置，获得位置信息

结合h^rel与h^pos获得子图内每个结点的初始化表征h⁰。

4.根据权利要求1所述的一种具有归纳能力的知识图谱推理方法，其特征在于，所述将含有实体表征和关系表征的所述闭合子图输入到图神经网络中具体包括：

子图神经网络中关于图神经网络所示，每层的信息传递公式为：

m_i，r＝σ₂(W₂c_i，r+b₂)

其中，表示实体i的邻接结点集合，W为可学习的映射矩阵，k为当前层数；

在最后一层聚合所有实体表征作为子图的实体表征

5.根据权利要求1所述的一种具有归纳能力的知识图谱推理方法，其特征在于，所述获取所述闭合子图的关系路径表征具体包括：

关系路径(r_u,r_t,r_v)，包括头实体的关系，目标关系，尾实体的关系；

将每一个关系路径输入到循环神经网络GRU中得到关系路径表征p，并聚合子图内所有的关系路径表征，生成子图的关系路径表征

6.根据权利要求1所述的一种具有归纳能力的知识图谱推理方法，其特征在于，所述闭合子图的表征信息

7.根据权利要求1所述的一种具有归纳能力的知识图谱推理方法，其特征在于，所述利用所述表征信息对存在可能性进行打分具体包括：

利用其闭合子图表征对其存在可能性进行打分，打分函数为：

其中L为图神经网络的层数。