[发明专利]一种基于多层路径感知的知识图谱外推方法及系统

权利要求书

1.一种基于多层路径感知的知识图谱外推方法，其特征在于，其包括：

应用关系图卷积网络编码器学习实体、关系和时间戳的嵌入表示，捕获事实的动态演变；

设计新兴任务处理单元，以构建多层实体集，并对不同层的实体集匹配相应的历史相关度；

将预测任务划分为多种推理场景，并将各个推理场景接入相应层次的处理单元，以完成多层历史相关实体集的划分；

使用多分类任务解决方法以获取目标实体的预测概率分布，将最高概率的实体作为预测答案，以完成时序知识图谱的外推任务，

其中，

预测任务是根据历史中未出现的实体和关系是否存在而进行推理场景划分的。

2.根据权利要求1所述的知识图谱外推方法，其特征在于，新兴任务处理单元在现有事实中搜索与预测任务相关的实体作为第一、二、三层实体集合，对照数据集的整个实体集合获取未出现过的实体作为第四层实体集，其中，第一层是与预测任务的关系谓语直接相连的实体集合，第二层是与预测任务主语实体一跳和二跳可达的实体集合，第三层是现有事实剩余路径中多跳可达的实体集，第四层是历史中看不见的实体集。

3.根据权利要求1或2所述的知识图谱外推方法，其特征在于，针对四层实体集设置的历史相关度由层数从里到外被标量为α，β，γ和δ，其中，α＞β＞γ＞δ，并且α+β+γ+δ＝1。

4.根据权利要求1～3任一项所述的知识图谱外推方法，其特征在于，预测任务至少能够划分以下四种推理场景：无看不见的实体和关系的场景1，只存在看不见的实体的场景2，只存在看不见的关系的场景3，同时存在看不见的实体和关系的场景4。

5.根据权利要求1～4任一项所述的知识图谱外推方法，其特征在于，根据预测任务的不同采用多层路径外推的不同层数进行处理，将各个推理场景接入相应层次的处理单元，其中，多层路径外推的不同层数对应于多层实体集。

6.根据权利要求1～5任一项所述的知识图谱外推方法，其特征在于，将数据集的每一个实体、关系和时间戳数据映射到低维稠密向量空间，通过Xavier initialization初始化所有既定参数，继而使用交叉熵损失函数最小化全局损失以优化参数学习。

7.根据权利要求1～6任一项所述的知识图谱外推方法，其特征在于，采用ω层关系图卷积网络编码器进行表示学习，聚合并提取来自不同关系的特征，其中，ω层关系图卷积网络编码器表示为：

式中，分别是在时间戳t_T的图谱快照上的实体s和o的第l层嵌入，分别为用于聚合来自不同关系特征的权重矩阵和第l层自循环矩阵。

8.根据权利要求1～7任一项所述的知识图谱外推方法，其特征在于，多分类任务解决方法能够应用多层感知器和SoftMax逻辑回归模型将预测任务转化为实体多分类任务，其中，每一类对应于每个目标实体的概率，从而将最高概率的实体作为预测答案。

9.根据权利要求1～8任一项所述的知识图谱外推方法，其特征在于，最终预测是获得最高组合概率的实体，定义如下：

10.一种基于多层路径感知的知识图谱外推系统，其特征在于，包括至少一个处理器，所述处理器被配置为：

应用关系图卷积网络编码器学习实体、关系和时间戳的嵌入表示，捕获事实的动态演变；

设计新兴任务处理单元，以构建多层实体集，并对不同层的实体集匹配相应的历史相关度；

将预测任务划分为多种推理场景，并将各个推理场景接入相应层次的处理单元，以完成多层历史相关实体集的划分；

使用多分类任务解决方法以获取目标实体的预测概率分布，将最高概率的实体作为预测答案，以完成时序知识图谱的外推任务，

其中，

预测任务是根据历史中未出现的实体和关系是否存在而进行推理场景划分的。