[发明专利]一种基于动态翻译原则的知识图谱表示学习方法

摘要

本发明公开一种基于动态翻译原则的知识图谱表示学习方法，首先采用实体向量与关系向量之间基于翻译的模型，利用动态参数定义了动态翻译原则很好地表示了三元组中实体向量与关系向量之间的相互关联，且无须引入更多的参数；然后然后根据不同的翻译模型构建了不同的动态翻译原则；最后利用正负例元组之间基于边际的损失函数将实体向量和关系向量关联起来，并优化该损失函数，当达到优化目标时，就可以学得知识图谱中每个实体的向量和关系的向量，从而更好地表示实体和关系之间的联系，并更好的应用于大规模知识图谱补全中。本发明能够很好地应用于大规模知识图谱中，具有良好的实用性。

主权项

一种基于动态翻译原则的知识图谱表示学习方法，其特征是，包括如下步骤：步骤1、根据实体向量与关系向量之间基于翻译的模型，构建知识图谱的三元组评分函数；步骤2、根据不同的翻译模型构建不同的动态翻译原则；步骤3、建立正负例元组之间基于边际的损失函数，并通过最小化损失函数，学得实体和关系的向量表示，达到优化目标；即当更新h时，通过不断调整h和αh，使hp+r尽可能与t相等；当更新r时，通过不断调整r和αr，使h+rp尽可能与t相等；当更新t时，通过不断调整t和αt，使h+r尽可能与tp相等；其中，h表示头实体h的列向量，t表示尾实体t的列向量，r表示头实体和尾实体之间的关系r的列向量；hp表示头实体翻译向量，rp表示关系翻译向量，tp表示尾实体翻译向量；αh表示与头实体h相关的参数向量，αr表示与关系r相关的参数向量，αt表示与尾实体t相关的参数向量。