本发明公开了一种基于强化学习的知识图谱推理补全方法及系统,该方法包括:加载数据并对数据进行解析,得到知识图谱的实体和关系的向量表示;基于TranE模型将实体和关系做嵌入并对预构建的策略网络进行预训练,得到预训练策略网络;通过多个奖励函数对预训练策略网络进行再训练,得到训练完成的策略网络;将待测知识图谱输入到训练完成的策略网络,完成对知识图谱的补全。该系统包括:解析模块、预训练模块、再训练模块和补全模块。本发明通过对奖励函数的设计,使得补全的关系推理路径更加可靠且具有多样性。本发明作为一种基于强化学习的知识图谱推理补全方法及系统,可广泛应用于知识图谱领域。
声明:
“基于强化学习的知识图谱推理补全方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)