龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中山大学
摘要：本发明公开了一种基于强化学习的知识图谱推理补全方法及系统，该方法包括：加载数据并对数据进行解析，得到知识图谱的实体和关系的向量表示；基于TranE模型将实体和关系做嵌入并对预构建的策略网络进行预训练，得到预训练策略网络；通过多个奖励函数对预训练策略网络进行再训练，得到训练完成的策略网络；将待测知识图谱输入到训练完成的策略网络，完成对知识图谱的补全。该系统包括：解析模块、预训练模块、再训练模块和补全模块。本发明通过对奖励函数的设计，使得补全的关系推理路径更加可靠且具有多样性。本发明作为一种基于强化学习的知识图谱推理补全方法及系统，可广泛应用于知识图谱领域。
主权项：1.一种基于强化学习的知识图谱推理补全方法，其特征在于，包括以下步骤：加载数据并对数据进行解析，得到知识图谱的实体和关系的向量表示；基于TranE模型将实体和关系做嵌入并对预构建的策略网络进行预训练，得到预训练策略网络；通过多个奖励函数对预训练策略网络进行再训练，得到训练完成的策略网络；将待测知识图谱输入到训练完成的策略网络，完成对知识图谱的补全；所述多个奖励函数包括全局奖励函数、路径高效性奖励函数、路径多样性奖励函数和有效动作奖励函数；所述通过多个奖励函数对预训练策略网络进行再训练，得到训练完成的策略网络这一步骤，其具体还包括：通过全局奖励函数根据找到的路径的长度给予奖励，更新预训练策略网络；通过路径高效性奖励函数根据找到的路径的高效性给予奖励，更新预训练策略网络；通过路径多样性奖励函数根据找到的路径的相似度给予奖励，更新预训练策略网络；所述路径多样性奖励函数的公式表示如下： 通过有效动作奖励函数根据找到的路径的有效动作给予奖励，更新预训练策略网络；得到训练完成的策略网络。
全文数据：
权利要求：
百度查询： 中山大学 一种基于强化学习的知识图谱推理补全方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号