一种基于图上下文和关系感知注意力的知识图谱补全方法

本发明公开了一种基于图上下文和关系感知注意力的知识图谱补全方法，采用基于图上下文和关系感知注意力的图神经网络知识图谱补全模型（CRGAT）。CRGAT通过为每类关系引入特定的网络参数，聚合实体的局部关系感知图上下文，学习局部实体表征。然后设计随机游走采样策略获取实体的非局部上下文，并通过长短期记忆网络（LSTM）对非局部实体表征建模。接着使用门控机制融合局部和非局部实体表征，得到最终实体嵌入表征，并通过维度变换生成关系嵌入表征。最后对每个候选三元组计算得分，完成知识图谱补全。本发明提出局部关系感知机制，充分利用实体间关系信息，此外有效地使用非局部图上下文增强实体嵌入，显著提升补全效果。