[发明专利]一种异构多关系图表示学习方法

权利要求书

1.一种异构多关系图表示学习方法，其特征在于，将节点和关系在低维度欧式空间中进行向量嵌入，给定头节点和关系，通过双层栈式“旋转-平移”变换模块，利用关系向量对头节点向量进行空间变换，经过关系自适应的向量聚合运算，计算变换后的头节点向量和尾节点向量的空间距离，所述空间距离作为三元组评分，用于评估三元组的真实性概率。

2.根据权利要求1所述的异构多关系图表示学习方法，其特征在于，所述三元组评分的计算流程包括如下内容：

给定一个三元组(h，r，t)，将所述三元组(h，r，t)的节点和关系映射到对应的欧式空间向量，头节点向量和尾节点向量为h和t，关系向量由旋转向量r和平移向量r’构成，所述三元组评分的计算公式如下：

其中，b_h和b_t分别是头节点和尾节点对应的可训练偏置参数；

对头节点向量h进行“旋转-平移”变换，得到变换后的节点向量q；“旋转-平移”变换的具体公式如下：

其中，是关系自适应的向量聚合运算，α是特定于每个关系的可训练参数，x，y表示向量x和y的内积；Rot(r)是对旋转向量r的矩阵变换，具体定义为：

Rot(r)＝diag(G(r₁，r₂)，...，G(r_d-1，r_d))

在“旋转-平移”变换的基础上，进行双层栈式变换；所述双层栈式变换的具体公式如下：

其中tanh(q)是双曲正切函数，γ是一个超参数用来平衡激活函数中的两部分；之后将每个关系对应的两个向量旋转向量r和平移向量r’，转化为一个关系特定向量r和一个全局共享向量f；参数化后的旋转向量和平移向量定义如下：

通过双层栈式变换得到变换后的节点向量q后，再计算节点向量q和尾节点向量t的距离，公式如下：

式中，是非线性激活函数。