System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及知识图谱归纳推理嵌入,特别是涉及一种市场失信信息知识图谱归纳推理嵌入方法。
技术介绍
1、市场失信信息知识图谱是利用知识图谱的知识结构来管理市场失信信息的智能化技术,通过信息融合嵌入对企业、部门等失信相关主体的内部关系进行研究,其中大量三元组中携带有附加说明信息,属于超关系三元组范畴。通过引入归纳推理的知识图谱嵌入模型可以学习独立于实体的关系语义,具有较强的泛化能力。
2、然而,传统知识图谱嵌入方法只能对训练过程中可见实体和关系生成能用于下游任务的嵌入,无法对训练时不可见实体生成有效的嵌入。现有的归纳推理嵌入方法能够在一组实体上训练一个知识图谱嵌入模型,使其可以泛化到对不可见实体的嵌入任务中,但是无法对实体和关系以外的任何信息进行表示,即无法对市场失信信息这类具有大量辅助信息的超关系三元进行准确建模。现有的超关系知识图谱嵌入方法,能够在保留基于三元组的知识图谱原始结构信息的同时,解决超关系三元组的嵌入问题并进行链接预测等下游任务,但是其只能对知识图谱中已知的实体和关系进行建模,无法对知识图谱中不可见的实体和关系进行链接预测等下游任务。
技术实现思路
1、基于此,有必要提供一种基于超关系三元组的市场失信信息知识图谱归纳推理嵌入方法,该方法包括:
2、s1:获取市场失信信息知识图谱作为源知识图谱,并采用bert预训练模型对所述源知识图谱中超关系三元组的键值对进行特征提取,得到辅助信息词向量;
3、s2:采用卷积神经网络将所述辅助信息词向量与
4、s3:根据所述源知识图谱中实体的关系连接情况构建实体的类型级信息嵌入;
5、s4:根据所述实体的类型级信息嵌入以及对应实体的邻域信息构建实体的实例级信息嵌入;
6、s5:基于所述源知识图谱、所述综合关系嵌入以及所述实体的实例级信息嵌入进行元学习,得到知识图谱嵌入模型;将待处理的目标知识图谱输入至所述知识图谱嵌入模型,得到实体嵌入和关系嵌入。
7、有益效果:该方法利用超关系三元组中的键值对,将其转化为辅助信息并与基本关系嵌入融合,增强关系嵌入的表示能力;利用实体的关系连接情况进行实体初始化,进一步进行实体的实例级信息嵌入,形成归纳推理的实体嵌入学习方法;利用元学习的思想,将知识图谱分为多个子图任务进行元任务训练,使得知识图谱嵌入模型具有泛化到不可见实体的能力。
本文档来自技高网...【技术保护点】
1.一种市场失信信息知识图谱归纳推理嵌入方法,其特征在于,包括:
2.根据权利要求1所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,将所述超关系三元组的键值对输入至BERT预训练模型进行特征提取,输出第一辅助信息词向量K和第二辅助信息词向量V。
3.根据权利要求2所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,S2包括:
4.根据权利要求3所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,得到融合辅助信息的关系嵌入的过程包括:
5.根据权利要求3所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,所述对所述融合辅助信息的关系嵌入进行矫正约束,得到综合关系嵌入包括:
6.根据权利要求5所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,所述根据所述市场失信信息知识图谱中实体的关系连接情况构建实体的类型级信息嵌入包括:
7.根据权利要求6所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,所述根据所述实体的类型级信息嵌入以及对应实体的邻域信息构建实体的实例级信息嵌入包括:
...【技术特征摘要】
1.一种市场失信信息知识图谱归纳推理嵌入方法,其特征在于,包括:
2.根据权利要求1所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,将所述超关系三元组的键值对输入至bert预训练模型进行特征提取,输出第一辅助信息词向量k和第二辅助信息词向量v。
3.根据权利要求2所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,s2包括:
4.根据权利要求3所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,得到融合辅助信息的关系嵌入的过程包括:
5.根据权利要求3所述的市场失信信息知识图谱归纳推理嵌入方法,其特征在于,所述对所述融合辅助信息的关系嵌入进行矫正约束,得到综合关系嵌入包括:
6.根据权利要求5所述的市场失信信息知识图谱归纳推...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。