基于卷积循环神经网络对知识图谱的推理方法及设备.pdfVIP

下载本文档

8
0
约1.21万字
约 11页
2023-06-10 发布于四川
举报
版权申诉

基于卷积循环神经网络对知识图谱的推理方法及设备.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及数据处理领域，公开了一种基于卷积循环神经网络对知识图谱的推理方法及设备，S1：基于卷积循环神经网络学习对知识图谱的实体及关系的推理，并且提取局部特征；S2：结合卷积循环神经网络和符号逻辑推理，构建用于共享RNN的关系类型表示和组合矩阵的单个C‑RNN参数模型并进行模型训练，用于对知识图谱和文本进行联合推理；S3：通过在C‑RNN模型中引入新的分数池方法，计算知识图谱中实体对之间多条路径的平均值及三元组概率，融合多条路径；S4：使用知识图谱中提供的实体类型表示、关系，通过对实体类型表示的

(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 112949835 A (43)申请公布日 2021.06.11 (21)申请号 202110341391.3 (22)申请日 2021.03.30 (71)申请人太原理工大学地址