一种向量约束嵌入转换的知识图谱推理方法

摘要： 本发明公开一种向量约束嵌入转换的知识图谱推理方法。具体步骤如下：

1. 获取知识图谱中每个关系和实体的语义类型。
2. 将实体集和关系集嵌入到低维连续向量空间，并进行规范化。
3. 将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中。
4. 在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型。
5. 对满足关系语义类型的被打乱的三元组进行训练模型的优化。
6. 步骤5循环至满足循环结束条件。
7. 对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。

此种推理方法可提高知识发现的推理准确性，进而提高预测精度。

摘要：本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。