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：浙江工业大学

摘要：本发明公开了一种基于图神经网络的知识图谱社区划分方法，包括以下步骤：1构建知识图谱及其邻接矩阵；2利用图神经网络将知识图谱中的节点进行表示学习，得到节点的向量表示；3基于余弦相似度计算节点间的相似度；4根据同类型的节点间的邻接关系以及节点相似度构建一个无向有权节点关系网络；5设置模块度评估社区内部的内聚程度；6通过社区划分算法将知识图谱中目标节点进行社团划分。本发明通过图神经网络学习知识图谱的节点特征，然后在向量空间中以节点相似度为基准进行社区划分，提高了社区划分的准确率。

主权项：1.一种基于图神经网络的知识图谱社区划分方法，其特征在于，包括以下步骤：1构建知识图谱及其邻接矩阵；2利用图神经网络将知识图谱中的节点进行表示学习，得到节点的向量表示；3计算节点间的相似度；4根据同类型的节点间的邻接关系以及节点相似度构建无向有权节点关系网络；5设置模块度评估社区内部的内聚程度；6通过社区划分算法将知识图谱中目标节点进行社团划分；所述的步骤2是采用图神经网络GraphSAGE对知识图谱进行表示学习，该网络包括三层，每层都有输入、两次邻居节点的全采样以及卷积聚合的操作，输入为知识图谱的直接邻接矩阵和特征矩阵以及聚合函数，采样以及聚合通过卷积操作学习直接邻接节点和间接邻接节点的信息，三层采样聚合后的输出作为实体的最终向量表示；所述的图神经网络中每层进行如下：1全采样邻节点的特征对每个中心节点的直接邻节点和2跳邻节点进行采样，学习直接邻节点的特征xnv以及2跳邻节点xNv的特征，将学习得到的特征嵌入到向量表示中；2聚合邻节点的特征聚合中心节点的向量表示及其邻节点的向量表示，得到中心节点的新的向量表示：首先，对中心节点的向量表示进行初始化，向量表示的初始化公式： 其中xv表示中心节点v的向量表示，为初始输入的向量表示，V为中心节点集合；然后，对中心节点的向量表示及其邻节点的向量表示进行聚合，聚合公式如下： 其中Nv是邻居节点集合，mean表示向量拼接并对向量的每个维度进行求均值的操作，W是权重矩阵；是聚合前中心节点向量表示，是聚合前邻节点向量表示；3更新中心节点的向量表示首先聚合2跳间接邻节点的向量表示来更新直接邻节点，再使用新得到的直接邻节点的向量表示来更新当前中心节点的向量表示，中心节点向量表示的更新公式如下： 其中av是当前被聚合节点的向量表示，是当前被聚合节点的直接邻节点向量，fupdate是GraphSAGE的聚合函数。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于图神经网络的知识图谱社区划分方法