原创力文档- 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
查看更多
本发明公开了一种基于生成扩散的知识图谱补全方法及系统，属于知识图谱技术领域，具体包括：采用知识图谱嵌入模型TransE，学习知识图谱实体和关系的嵌入向量，构建基于生成扩散的反事实样本生成模型，包括构建语义编码器与条件去噪扩散隐式模型，语义编码器将原有的嵌入向量转化为潜在语义向量并作为条件输入到条件去噪扩散隐式模型中，条件去噪扩散隐式模型通过正向和逆向扩散过程获得原有的嵌入向量的反事实样本，构建基于卷积神经网络的知识图谱补全模型，将原有的嵌入向量和反事实样本输入到训练好的知识图谱补全模型，降序排序
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117540797A
(43)申请公布日2024.02.09
(21)申请号202311682780.8G06N3/0455(2023.01)
(22)申请日2023.12
文档评论（0）