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：华中科技大学
摘要：本发明涉及一种贝叶斯小样本学习的知识图谱推理模型、系统及推理方法，所述方法至少包括：对知识图谱中的实体和关系进行高斯分布的建模以降低知识图谱的不确定性；将每个实体作为一个任务，以模拟动态知识图谱中新出现实体的元训练过程进行任务采样；基于图神经网络构建元学习器并进行随机推理；训练所述元学习器以使用支持集来表示新出现实体。本发明经过训练的模型具有快速适应的能力，无需重新训练就能推断出新的事实或出现的实体。
主权项：1.一种贝叶斯小样本学习的知识图谱推理方法，其特征在于，所述方法至少包括：基于知识图谱中的实体和关系建立高斯分布模型以降低知识图谱的不确定性；将每个实体作为一个任务，以模拟动态知识图谱中新出现实体的元训练过程并进行任务采样；基于图神经网络构建元学习器并进行随机推理；训练所述元学习器以使用支持集来表示新出现实体；其中，基于知识图谱中的实体和关系建立高斯分布模型的步骤包括：将头实体、关系、尾实体分别表示为：μ表示实体或关系在向量空间中的位置，∑表示协方差，其大小与关系或实体的不确定性成正相关；将头实体到尾实体的转换表示为基于KL散度定义得分函数并用于计算三元组的信度；其中，基于图神经网络构建元学习器的步骤至少包括：基于贝叶斯神经网络和知识图谱中的关系构建元学习器，所述元学习器表示为： 其中，fθ表示权值，B表示贝叶斯神经网络，表示与实体e′i相连的关系-实体对的个数；基于权值fθ遵循贝叶斯神经网络学习先验分布来建模并推理新兴实体的不确定性。
全文数据：
权利要求：
百度查询： 华中科技大学 贝叶斯小样本学习的知识图谱推理模型、系统及推理方法
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