[发明专利]一种基于张量的知识图谱表示学习方法及系统

摘要

本发明公开了一种基于张量的知识图谱表示学习方法及系统，本发明针对现有的知识图谱表示学习方法只考虑三元组本身信息、实体文本描述信息、实体图片信息、实体层次结构信息，而忽略了图谱的局部网络结构信息导致知识表示学习效果不佳的问题，本发明在知识图谱的表示学习中，考虑了每个实体的局部网络结构信息。首先，根据知识图谱的数据集，生成每个实体的掩码矩阵；其次，训练张量R，表示整个数据集的语义信息，每个实体可以通过掩码矩阵和R作用，得到每个实体的语义张量表达；然后，训练向量r，表示将每个实体语义张量映射至特定语义空间中的映射向量；最后在特定的语义空间进行训练，提高知识图谱表示学习的准确性。

主权项

1.一种基于张量的知识图谱表示学习方法，其特征在于，包含如下步骤：S1、对知识图谱进行预处理，生成每个实体的掩码矩阵Se；S2、获取表示知识图谱全部语义信息的张量R；S3、每个实体通过自身掩码矩阵Se分别与张量R相乘，获得每个实体的语义张量；S4、为每一种语义信息设定一个对应的映射向量v，通过各个{v}的作用，分别将各个实体的语义张量映射到对应的各个语义空间中，得到相对应语义空间中的向量表达e；S5、对在各个语义空间中存在关系的各个实体三元组进行训练，得到知识图谱表示学习的模型，所述模型用于输入头实体和关系，输出对应的尾实体；其中对于任意一个语义空间对应的任意实体三元组(e1，r，e2)，训练使得e1+r与e2一致；其中，e1代表头实体，e2代表尾实体，e1和e2之间的关系r对应的向量空间即为所述语义空间。