原创力文档- 2
- 0
- 约1.55万字
- 约 10页
- 2023-06-04 发布于四川
- 举报
本发明公开一种基于多类交叉熵对比补全编码的知识表示学习框架，该框架主要包括：语义结构特征提取模块(S)和自动对比补全编码模块(G)。语义结构特征提取模块(S)负责对实体、关系提取低级和高级语义结构特征并融合得到低级和高级语义结构特征；自动对比补全编码模块(G)负责预测出实体上下文向量，设置正负样本及其采样的方法(C3NCE)，计算多类交叉熵对比损失函数，并通过优化该目标函数训练模型，得到知识图谱实体和关系的向量表示，并完成三元组补全任务。本发明所提的框架能够快速、稳定、准确地补全知识图谱中缺失信
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112699247 A
(43)申请公布日 2021.04.23
(21)申请号 202011545760.2
(22)申请日 2020.12.23
(71)申请人 清华大学
地址 10
文档评论（0）