(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210567235.3 (22)申请日 2022.05.23 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 张忠宝　危倩　苏森　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 金含 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/36(2019.01) (54)发明名称 基于图神经网络的时序知识图谱的补全方 法及相关 设备 (57)摘要 本申请提供一种基于图神经网络的时序知 识图谱的补全方法及相关设备。 该方法包括： 获 取多个历史时刻 的时序知识 图谱和当前时刻 的 时序知识图谱， 分别对每个所述时序知识图谱进 行预处理； 将经过所述预处理的全部所述时序知 识图谱输入至经过预训练的补全模 型中， 得到当 前时刻的所述时序知识 图谱上每个节点的最终 表示向量； 通过相似度计算模型从预先构建的候 选集中选取与所述最终表示向量对应的节点的 相似度最大的候选节点作为补全节 点， 并基于所 述补全节点对当前时刻 的所述时序知识图谱进 行补全。 本申请提供一种基于图神经网络的时序 知识图谱的补全方法及相关设备可方便有效地 补全时序知识图谱。 权利要求书2页 说明书12页 附图2页 CN 115238855 A 2022.10.25 CN 115238855 A 1.一种基于图神经网络的时序知识图谱的补全方法， 其特 征在于， 包括： 获取多个历史时刻的时序知识图谱和当前时刻的时序知识图谱， 分别对每个所述 时序 知识图谱进行 预处理； 将经过所述预处理的全部所述 时序知识图谱输入至经过预训练 的补全模型中， 得到当 前时刻的所述时序知识图谱上每 个节点的最终表示向量； 通过相似度计算模型从预先构建的候选集中选取与所述最终表示向量对应的节点的 相似度最大的候选节 点作为补 全节点， 并基于所述补全节点对当前时刻的所述时序知识图 谱进行补全。 2.根据权利要求1所述的方法， 其特 征在于， 所述预处 理包括： 分别对所述 时序知识图谱上的每个所述节点进行提取， 以得到该节点对应的全部三元 组。 3.根据权利要求2所述的方法， 其特征在于， 所述节点对应的全部三元组包括以所述节 点为尾实体的所有入边 三元组和以所述节点 为头实体的所有出边 三元组。 4.根据权利要求3所述的方法， 其特征在于， 所述将经过所述预处理的全部所述时序知 识图谱输入至经过预训练的补 全模型中， 得到 当前时刻的所述时序知识图谱上每个节点的 最终表示向量， 包括： 将每一个所述时序知识图谱中的每个节点对应的全部所述入边三元组和所述出边三 元组进行嵌入， 得到入边 三元组的表示向量和出边 三元组的表示向量； 基于所述入边三元组的表示向量和所述出边三元组的表示向量通过多头注意力机制 计算得到当前时刻的所述时序知识图谱上每 个节点的最终表示向量。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述入边三元组 的表示向量和所 述出边三元组的表示向量通过多头注意力机制 计算得到当前时刻的所述时序知识图谱上 每个节点的最终表示向量， 包括： 通过Softmax函数对全部所述节点的所有所述入边三元组和所述出边三元组进行归一 化， 得到每 个所述节点的入边 三元组注意力系数和出边 三元组注意力系数； 基于所述入边三元组注意力系数和所述出边三元组注意力系数通过多头注意力机制 进行计算， 分别得到所述节点的入边三元组 聚合空间信息表示向量和出边三元组 聚合空间 信息表示向量； 通过门限函数将所述入边三元组聚合空间信息表示向量和所述出边三元组聚合空间 信息表示向量进行聚合， 得到所述节点的空间信息表示向量； 通过时间衰减函数将所述节点的时间信 息与所述空间信 息表示向量相结合， 计算该节 点的每个历史时刻的空间信息表示向量与当前时刻的空间信息表示向量之 间的相关度， 并 基于所述相关度计算出 该节点的每 个历史时刻的注意力值； 基于全部所述注意力值和所述节点的全部所述空间信 息表示向量进行计算， 得到所述 节点的最终表示向量。 6.根据权利要求1所述的方法， 其特 征在于， 所述预训练包括： 构建训练集； 通过所述训练集及预先构建的目标函数对所述补全模型进行迭代训练， 对所述目标函 数进行最小化以得到所述补全 模型。权　利　要　求　书 1/2 页 2 CN 115238855 A 27.根据权利要求1所述的方法， 其特征在于， 所述候选集包括多个候选节点， 构建所述 候选集包括： 从所述当前时刻的时序知识图谱上选取与所述节点存在未知关系的邻居节点作为所 述候选集中的所述 候选节点。 8.一种基于图神经网络的时序知识图谱的补全 装置， 包括： 预处理模块， 被配置为获取多个历史时刻的时序知识图谱和当前时刻的时序知识图 谱， 分别对每 个所述时序知识图谱进行 预处理； 生成最终表示向量模块， 被配置为将经过所述预处理的全部所述 时序知识图谱输入至 经过预训练的补全模型中， 得到当前时刻的所述时序知识图谱上每个节点的最终表示向 量； 补全模块， 被配置为通过相似度计算模型从预先构建的候选集中选取与所述最终表示 向量对应的节点的相似度最大的候选节点作为补全节点， 并基于所述补全节点对当前时刻 的所述时序知识图谱进行补全。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 所述处 理器执行所述程序时实现如权利要求1至7项所述方法。 10.一种非暂态计算机可读存储介质， 所述非暂态计算机可读存储介质存储计算机指 令， 所述计算机指令用于使计算机执 行权利要求1至7项所述方法。权　利　要　求　书 2/2 页 3 CN 115238855 A 3