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：浙江大学

摘要：本发明公开了一种基于自交错注意力机制与扩散聚合的知识图谱嵌入方法，包括把知识图谱中的实体与关系都视为节点，将知识图谱伸展为一个特殊的异质有向图。在该异质有向图中，基于预先设置的超参数分析得到图中所有节点的邻居矩阵。针对每一扩散距离下的邻居列表，该方法分别学习扩散注意力，节点注意力以及语义距离注意力三个层次的注意力向量表示。其中，在扩散注意力的学习过程中，实体节点将利用路径上包含的关系节点特征进行注意力计算，而关系节点则使用实体节点的特征进行计算。该方法通过在不同长度的扩散路径上对目标节点进行特征聚合，以学习该节点包含知识图谱上下文信息的最终特征向量。

主权项：1.一种基于自交错注意力机制与扩散聚合的知识图谱嵌入方法，其特征在于，用于智能搜索，包括以下步骤：获取知识图谱，该知识图谱为智能搜索领域的知识图谱，包括实体集与关系集，其中实体集中实体包括现实资料，现实资料包括各学科专有名词、公众人物名字、游戏或影视作品、以及历史事件名称，关系集中关系包括各类描述性谓词，具体包括逻辑关系或动词，其中逻辑关系包括属于、反义、以及同义，动词包括发明、以及导演；并从知识图谱中提取邻居矩阵和扩散路径字典，其中，邻居矩阵包括实体节点的实体邻居矩阵和关系节点的关系邻居矩阵，扩散路径字典包括实体扩散路径字典和关系扩散路径字典；初始化节点的嵌入表示，其中节点包括实体节点和关系节点，并将关系节点的嵌入表示按照当前扩散距离映射到实体节点的特征空间，得到映射后嵌入表示；在每个扩散距离下，依据邻居矩阵和扩散路径字典以及映射后嵌入表示通过扩散注意力计算模块计算每个节点与所有K-邻近邻居节点在对应路径列表下的扩散注意力嵌入，依据所有扩散注意力嵌入通过基于自交错注意力机制的节点注意力计算模块计算每个节点的节点注意力嵌入；依据每个节点的节点注意力嵌入通过语义距离注意力计算模块进行不同扩散距离下的融合，得到节点的最终嵌入表示，包括：完成所有节点在扩散距离下的节点注意力的计算后，在语义距离注意力计算模块中，首先，计算扩散距离下的语义距离注意力参数： ；其中，表示在扩散距离下的属于节点集合的第i个节点的节点注意力嵌入，、、为语义距离注意力计算模块参数，上标T表示转置，表示节点集合中节点总量，任意激活函数；在完成所有语义距离注意力参数的计算后，记扩散距离下所有同类型节点的节点注意力嵌入为张量，对语义距离注意力参数进行，得到更新后的语义距离注意力参数，随后通过将不同传播距离下更新后的语义距离注意力参数与节点注意力对应张量相乘，得到节点的最终特征嵌入： ； ；其中，K表示最大扩散距离。

全文数据：

权利要求：

百度查询： 浙江大学 基于自交错注意力机制与扩散聚合的知识图谱嵌入方法