[发明专利]基于多粒度注意力网络的图立方链接预测方法

权利要求书

1.一种基于多粒度注意力网络的图立方链接预测方法，其特征在于，用于对图立方中的未知多元关系进行推理预测，至少包括步骤：

S1、对待补全的图立方进行加载，获得图立方中的实体和关系；

S2、对步骤S1加载获得的实体和关系进行初始化，得到初始实体嵌入向量和初始关系嵌入向量；

S3、将步骤S2得到的初始实体嵌入向量和初始关系嵌入向量输入多头自注意力神经网络中，更新各多元关系的实体嵌入向量和各多元关系的关系嵌入向量；

S4、将步骤S3更新后的实体嵌入向量和关系嵌入向量输入到HPMG模型中进行训练，所述HPMG模型至少包括粗粒度评分模块、δ-细粒度评分模块和评分模块，通过所述粗粒度评分模块学习每个关系粗粒度的超边特征并进行粗粒度评分，通过所述δ-细粒度评分模块学习每个关系δ-细粒度的实体特征并进行细粒度评分，将粗粒度评分与细粒度评分进行加权求和得到各多元关系成立的评分；

S5、通过评分模块对每个多元关系进行评分，得出预测结果，根据评分指标来判断多元关系的评分结果是否正确：若正确，则将正确的多元关系添加到图立方中，补全图立方，若错误，则将错误的多元关系舍弃。

2.根据权利要求1所述的基于多粒度注意力网络的图立方链接预测方法，其特征在于，设图立方是由节点和超边组成的图，其中，节点也叫做实体，超边也叫做多元关系，图立方记作：

KHG＝{H，F}

上式中，H＝{h₁，h₂，...，h_|H|}，表示KHG中实体的集合，|H|表示KHG所含实体的数量；F＝{f₁，f₂，...，f_|F|}，表示多元关系的集合，即超边的集合，|F|表示KHG所含超边的数量；任意一条多元关系f都对应一个元组f＝(h₁，h₂，...，h_m，r)，其中，m表示多元关系f所含实体的数量，即m是多元关系的元数，m为正整数，r表示关系。

3.根据权利要求2所述的基于多粒度注意力网络的图立方链接预测方法，其特征在于，步骤S3具体包括：

首先对多元关系包含的所有初始实体嵌入向量和初始关系嵌入向量进行串联操作，得到f＝(h₁，h₂，...，h_m，r)，以获取含多元关系内部语义信息的关系和实体的嵌入表示；

然后通过多头自注意力神经网络学习f内部语义差别并更新f，得到更新后的多元关系中实体嵌入向量和关系嵌入向量F_all，计算过程如等式(1)和等式(2)所示：

F_all＝M_self-att(fW_n) (1)

上式中，均表示权重矩阵，n∈(1，...，5)，矩阵F_all分别与权重矩阵相乘得到K_n，Q_n，V_n；

上式中，M_self-att表示自注意力神经网络计算函数，W⁰为参数矩阵，d_k表示K的维数，Concat为向量拼接操作。