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：贵州大学

摘要：本发明公开了一种定制化视阈多域校园元素知识图谱协同表征方法，属于人工智能技术领域，包括以下步骤：首先，针对校园元素知识图谱的高度语义化特征，采用RotatE知识图谱嵌入方法获取特定视域的初始知识图谱语义特征。然后，构建联合信息的图注意力神经网络，从中提取联合初始图谱的语义与结构特征的表征向量。最后，通过集体实体对齐方法对多域知识图谱进行处理，同时结合额外信息并采用多种度量方式提高对齐准确性，从而实现知识图谱的协同表征。本发明采用上述的一种定制化视阈多域校园元素知识图谱协同表征方法，能够消除校园系统中的信息孤岛，促进多域校园元素的协同表征，为基于大数据的多种下游应用提供信息支持。

主权项：1.一种定制化视阈多域校园元素知识图谱协同表征方法，其特征在于：包括以下步骤：S1、校园信息系统中存在人际关系、学科知识、个人能力、校园设施不同域的信息孤岛，通过使用知识图谱的形式进行表达，根据不同定制化教育需求所需的域的信息所形成的多域初始知识图谱作为输入，针对用户定制的多域初始知识图谱，通过RotatE算法将知识图谱中的节点转换为反映其三元组语义关系的低维嵌入向量，并结合改良的图注意力网络提取和融合结构特征，融合后输出所有初始知识图谱中所有节点的表征向量，同时对特征向量进行处理以增强其辨识性，最终定义合适的损失函数训练节点表征，并将节点表征作为后续模块的输入；S2、引入K-means聚类算法及多种相似度度量方法，对多域知识图谱进行集体实体对齐，实现跨域元素的有效关联；S21、采用K-means聚类方法对节点表征进行分块处理，以识别潜在匹配的节点组合，随后仅对同一簇内的节点进行相似度计算，从而有效降低计算量；S22、在分块后，对分块簇中的节点对采用多种相似度度量，之后综合对比这些相似度，以对齐这些节点；S23、在实体对齐决策中引入Gale-Shapley算法，根据多图实体对齐任务的需求，对GS算法进行了改良，传统的GS算法仅针对两个域中的对象进行最佳匹配，改良的GS算法将针对的域扩大为大于2且无上限的数量，同时不限制匹配组中对象的数量，并让匹配组中的对象实现稳定匹配，适应多域知识图谱实体对齐中的匹配问题，通过引入一个记录多图谱对齐节点对的字典M和相似度阈值B，确保仅高相似度节点对被考虑对齐，此外，算法维护每个节点的最大相似度值，避免多重对齐带来的混淆，并通过合并共享节点的对齐实体对，构建统一的对齐实体组，实现跨多个域的一致且有效的实体对齐，提升多域环境下对齐的准确性和鲁棒性，获取在不同知识图谱中代表相同现实实体的节点组，将其称为对应实体组，而预测所得对应实体组集合为；S3、引入Bootstrapping训练方法，把通过S2中相似度度量所得高相似度的节点组合认为是具有高置信度的伪对齐种子，并将伪对齐种子与真实的对齐种子一同作为先验知识重训练模型，并将重训练后所得的节点表征向量再次进行实体对齐得到预测的对齐实体组，预测的对齐实体组对不同域之间的知识图谱进行关联，让它们之间的信息有机结合，从而实现多个不同域知识图谱的协同表征。

全文数据：

权利要求：

百度查询： 贵州大学 一种定制化视阈多域校园元素知识图谱协同表征方法