[发明专利]一种基于堆叠神经网络的知识图谱关系推理算法在审
| 申请号： | 201811039043.5 | 申请日： | 2018-09-06 |
| 公开（公告）号： | CN109376864A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 刘峤;李淳;杨晓慧;吴培辛;万睿 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06N5/04 | 分类号： | G06N5/04;G06N3/04;G06N3/08;G06F16/36 |
| 代理公司： | 电子科技大学专利中心 51203 | 代理人： | 邹裕蓉 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于堆叠神经网络的知识图谱关系推理算法，属于人工智能表示学习技术领域。本发明构造了一个堆叠的神经网络模型，包括两个组件：一个标准的LSTM循环神经网络和一个多层感知机网络。模型将知识图谱中的三元组看作是短句，利用LSTM循环神经网络对序列的学习能力对知识图谱的逻辑和语义特性进行建模，以学习知识图谱中的语法和语义信息。通过底层的特征学习过程，上层的全连接网络则可以提供足够的辨别力来区分不同上下文中的对象。本发明所述算法从语义的角度对知识图谱中的三元组进行建模，从根本上解决了实体和关系的语义多样性，能够极大的降低大规模知识图谱关系推理的计算开销，同时能够保证关系推理的有效性。 | ||
| 搜索关键词： | 图谱 图谱关系 堆叠 循环神经网络 语义 神经网络 推理算法 三元组 建模 推理 短句 神经网络模型 人工智能 多层感知 计算开销 连接网络 特征学习 学习能力 语义特性 语义信息 算法 语法 辨别 上层 多样性 学习 网络 保证 | ||
【主权项】：
1.一种基于堆叠神经网络的知识图谱关系推理算法，其特征在于，包括以下步骤：步骤1.对于训练集中的所有三元组，将其反向事实加入训练集中，随机乱序训练集中的三元组；步骤2.利用标准的LSTM循环神经网络对输入的三元组进行编码，其中每个时间步读取三元组中的一个元素；步骤3.使用多层感知机MLP在候选实体之间进行多分类任务，利用Softmax将表示空间映射到索引空间，完成预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811039043.5/，转载请声明来源钻瓜专利网。
