[发明专利]基于知识图谱的预测方法、装置和电子设备

权利要求书

1.一种基于知识图谱的预测方法，其特征在于，包括：

获取目标海域历史时段的监测数据，将所述监测数据表示为时序知识图谱；

将所述时序知识图谱输入循环图神经网络，获得所述时序知识图谱的第一嵌入；

从所述时序知识图谱中提取平滑缓解信息，基于所述平滑缓解信息对所述第一嵌入进行调整，获得第二嵌入，根据所述第二嵌入确定所述目标海域目标时段的预测数据；

其中，从所述时序知识图谱中提取平滑缓解信息的方法包括：

根据所述时序知识图谱中的时间戳，确定所述时序知识图谱的第一权重；

基于所述第一权重对所述时序知识图谱进行复制，将复制后的时序知识图谱中的时间去除，获取静态知识图谱；

基于所述静态知识图谱确定平滑嵌入向量，将所述平滑嵌入向量作为所述平滑缓解信息；

或包括：

确定所述时序知识图谱中实体之间的相似性；

基于所述相似性对所述实体进行聚类，并基于聚类的结果确定相似实体对；

基于所述相似实体对确定正则化项，将所述正则化项作为所述平滑缓解信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述时序知识图谱中的事件进行分类，得到同类事件；

通过预先训练的强度函数确定所述同类事件的权重，基于所述权重确定所述时序知识图谱对应的加权向量；

结合所述加权向量与所述第二嵌入，确定所述目标时段的预测数据。

3.根据权利要求1所述的方法，其特征在于，所述循环图神经网络中包括N个依次连接的图卷积网络，N为正整数；所述将所述时序知识图谱输入循环图神经网络，获得所述时序知识图谱的第一嵌入，包括：

将所述时序知识图谱按照预设时间间隔分割为N个样本集；

将第i个样本集与第i-1个图卷积网络输出的第i-1个隐式信息输入第i个图卷积网络中，获得第i个样本集的第一嵌入，以及第i个隐式信息；其中，1≤i≤N。

4.根据权利要求3所述的方法，其特征在于，所述基于所述平滑缓解信息对所述第一嵌入进行调整，获得第二嵌入，包括：

将所述平滑缓解信息、第i个样本集与所述第i-1个隐式信息输入所述第i个图卷积网络，得到第i个样本集的第二嵌入。

5.一种基于知识图谱的预测装置，其特征在于，包括：

数据获取模块，用于获取目标海域历史时段的监测数据，将所述监测数据表示为时序知识图谱；

信息提取模块，用于将所述时序知识图谱输入循环图神经网络，获得所述时序知识图谱的第一嵌入；

信息调整模块，用于从所述时序知识图谱中提取平滑缓解信息，基于所述平滑缓解信息对所述第一嵌入进行调整，获得第二嵌入，根据所述第二嵌入确定所述目标海域目标时段的预测数据；

其中，所述信息调整模块包括：

权重确定模块，用于根据所述时序知识图谱中的时间戳，确定所述时序知识图谱的第一权重；静态图获取模块，用于基于所述第一权重对所述时序知识图谱进行复制，将复制后的时序知识图谱中的时间去除，获取静态知识图谱；向量确定模块，用于基于所述静态知识图谱确定平滑嵌入向量，将所述平滑嵌入向量作为所述平滑缓解信息；

或包括：

相似确定模块，用于确定所述时序知识图谱中实体之间的相似性；分类模块，用于基于所述相似性对所述实体进行聚类，并基于聚类的结果确定相似实体对；正则确定模块，用于基于所述相似实体对确定正则化项，将所述正则化项作为所述平滑缓解信息。

6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述基于知识图谱的预测方法。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于知识图谱的预测方法。