CN115687640B 基于联邦学习的多任务知识图谱补全方法 （宁波大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115687640B(45)授权公告日2025.07.11

(21)申请号202211271214.3

(22)申请日2022.10.18

(65)同一申请的已公布的文献号申请公布号CN115687640A

(43)申请公布日2023.02.03

(73)专利权人宁波大学

地址315000浙江省宁波市江北区风华路

818号

专利权人宁波市生产力促进中心(宁波市

科技金融服务中心)

宁波市升力同创科技咨询服务有

限公司

(74)专利代理机构宁波中致力专利代理事务所(普通合伙)33322

专利代理师张圆黄挺

(51)Int.CI.

GO6F16/36(2019.01)

GO6N5/02(2023.01)

(56)对比文件

CN113886598A,2022.01.04

CN114844889A,2022.08.02

审查员邓清清

(72)发明人刘柏嵩胡测林宏权周艳桃

胡克佳刘鹏

权利要求书2页说明书8页附图2页

(54)发明名称

基于联邦学习的多任务知识图谱补全方法

(57)摘要

CN115687640B本发明公开了一种基于联邦学习的多任务知识图谱补全方法，通过构造两个中央服务器，分别用来得到来自各个客户端经过安全聚合后的实体和关系嵌入表示，并将聚合后的组成部分嵌入表示聚合后发送回给每个客户端，这样的一次中央服务器参数聚合后反传为知识图谱补全方法的一轮操作；知识图谱由客户端本地训练后，将参数上传给中央服务器进行聚合操作再发回各个客户端迭代训练；联邦框架下的知识图谱嵌入表示训练直到参数收敛后，与本地知识图谱训练进行模型融合操作，最终输出融合后的知识图谱模型。本发明在隐私保护的前提下，高效安全地联合利用多个客户端提供的知识图谱信息，

CN115687640B

S1

S2

S3

S4

S5

S6

实体服务器和关系服务器分别创建并初始化基于全局模

实体服务器和关系服务器分别创建并初始化基于全局模型的实体表和关系表

所有客户端从两个中央服务器分别下载仅本地包含的实体和关系信息

客户端在本地更新知识图谱模型

端的实体和关系嵌入表示，并更新全局实体表和关系表

客户端从服务器下载更新后的知识图谱嵌入表示信息

模型收敛

基于本地更新的知识图谱模型和基于联邦框架更新的知识图谱模型进行模型融合，输出三元组最终得分

CN115687640B权利要求书1/2页

2

1.基于联邦学习的多任务知识图谱补全方法，其特征在于，包括以下步骤：

步骤S1、分别构造用于聚合实体嵌入表示和关系嵌入表示的两个中央服务器，两个中央服务器分别聚合来自各个客户端初始的实体嵌入表示和初始的关系嵌入表示，分别创建一个实体表和一个关系表，对实体表和关系表进行随机初始化，将聚合后的实体嵌入表示和关系嵌入表示分发给对应的客户端，进入步骤S2;

步骤S2、各个客户端从两个中央服务器分别下载仅本地包含的实体嵌入表示和关系嵌入表示，进入步骤S3;

步骤S3、各个客户端使用统一的知识图谱嵌入表示方法进行设定周期数的训练，在本地更新知识图谱模型，进入步骤S4;

步骤S4、两个中央服务器分别聚合随机挑选的来自不同客户端的实体嵌入表示和关系嵌入表示，依据两个中央服务器各自的参数更新规则更新这些来自不同客户端的实体嵌入表示和关系嵌入表示，再通过实体表反传给对应的客户端，进入步骤S5;

步骤S5、各个客户端从两个中央服务器分别下载更新后的实体嵌入表示和关系嵌入表示，判断更新后的参数是否收敛；

若参数收敛，则进入步骤S6;

若参数不收敛，则返回到步骤S3;

步骤S6、步骤S5参数收敛后得到基于联邦框架更新的知识图谱模型，将其与基于本地更新的知识图谱模型进行模型融合操作，最终输出融合后的知识图谱模型。

2.根据权利要求1所述的基于联邦学习的多任务知识图谱补全方法，其特征在于：用于聚合实体嵌入表示的中央服务器为实体服务器，在步骤S1中当实体服务器第一次进行对来自各个客户端的实体嵌入表示的聚合操作时，记录来自所有不同客户端的唯一实体，并建立一个完整的实体表，将不同客户端的实体映射到实体表，建立并随机初始化实体表后，分发给对应的客户端。

3.根据权利要求2所述的基于联邦学习的多任务知识图谱补全方法，其特征在于：用于聚合关系嵌入表示的中央服务器为关系服务器，在步