基于网络表格的知识图谱补全方法及系统
知识产权简介
本发明提出了一种基于网络表格的知识图谱补全算法。在网络表格预测任务中,预测网络表格的单列类型和列间关系可以丰富现有知识图谱。该方法包括:(1)数据预处理:为网络表格构建异构图。将所有的表格数据转化为图数据,方便地处理各种关系,同时保证各个不同关系之间具有异构性。(2)构建模型:提出全新的异构图神经网络传递方法来学习目标列的表征和列间关系的表征。该方法主要包含两阶段消息传递模块、边生成模块和预测模块。(3)训练模型:将训练数据输入到所构建的模型中去,并使用Adam优化器梯度下降算法来更新模型参数。(4)类别预测:输入全新的网络表格,通过网络表格的各种关系,输出单列类别和列间关系类别,并对齐知识图谱中的实体类别和关系类别。本发明旨在对网络表格的各种关系进行建模,学习到更为准确的单列表征和列间关系表征,从而更好地预测单列类别和列间关系类别,丰富现有的知识图谱。