[发明专利]一种层次感知的时态知识图谱表示学习方法

权利要求书

1.一种层次感知的时态知识图谱表示学习方法，其特征在于，包括以下步骤：

(1)从对时态知识图谱中提取发生事件；

(2)根据每个时刻的发生事件构建原图，建模实体之间的历史相关性；

(3)在层次图发现网络中，利用层次映射器对原图进行处理以将实体映射到实体组，并通过隐式关系编码器，以端到端的方式推理成对实体组之间的隐式相关性；

(4)在层次化耦合图卷积-门控循环神经网络中，利用层次化图卷积对实体组和实体组之间的隐式相关性进行处理以更新每一个时刻的实体表示，并将不同时刻更新后的实体表示输入到门控循环神经网络中，获得包含历史信息和邻居信息的实体表示；

(5)通过多标签分类器对实体表示进行处理以输出实体之间未来可能发生的所有事件。

2.根据权利要求1所述的层次感知的时态知识图谱表示学习方法，其特征在于，步骤(1)中，提取的事件以四元组(s,r,o,t)的形式表示，其中，s代表头实体，r代表事件类型，o代表尾实体，t代表时间戳。ε代表实体集合，且s,o∈ε。代表事件类型集合，且代表时间戳集合，且

3.根据权利要求1所述的层次感知的时态知识图谱表示学习方法，其特征在于，步骤(2)中，构建的原图表示为G^primal＝(V^primal,E^primal)，其中V^primal表示原图上的节点集合，E^primal表示原图上的边集合，原图上的节点和边分别表示实体和实体之间发生的事件；

如果实体e_i到实体e_j发生过事件，则认为他们之间存在一条从实体e_i指向实体e_j的一条边，边的计算公式如下所示：

4.根据权利要求1所述的层次感知的时态知识图谱表示学习方法，其特征在于，步骤(3)中，通过层次映射器可以发现实体和实体组之间的多对多映射关系，利用层次映射器可以将实体表示e映射到实体组表示g，计算公式如下所示：

其中，e_i为实体表示，通过随机初始化得到，g_j为实体组的表示，M_i,j表示实体i被分配到实体组j的概率，N_e为实体的数量。

5.根据权利要求1或4所述的层次感知的时态知识图谱表示学习方法，其特征在于，步骤(3)中，通过隐式关系编码器，以端到端的方式推理成对实体组之间的隐式相关性，完成层次图G^hierachical＝(V^hierachical,E^hierachical)的发现，其中V^hierachical表示层次图上的节点集合，E^hierachical表示层次图上的边集合；层次图上的节点和边分别表示实体组和实体组之间的隐式相关性；

将层次图G^hierachical建模为全连接图，利用隐式关系编码器推理成对实体组之间的隐式相关性，计算公式如下所示：

c_i,j＝ReLU(σ(g_i,g_j))

其中，g_i和g_j是实体组的表示，σ为编码函数，由多层感知机MLP实现。