(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210531278.6 (22)申请日 2022.05.16 (71)申请人 四川省人工智能研究院 （宜宾） 地址 644000 四川省宜宾市宜宾临港经济 技术开发区长江北路西段附二段430 号 (72)发明人 张嘉昇　邵杰　佘磊　 阿卜杜拉·阿曼·汗　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 代维凡 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/30(2020.01) G06F 16/2458(2019.01)G06F 16/23(2019.01) (54)发明名称 面向流场景的时序知识图谱嵌入与预测方 法 (57)摘要 本发明公开了一种面向流场景的时序知识 图谱嵌入与预测方法， 通过采集流场景下的交互 知识， 并进行预处理， 根据预处理后的交互知识 获取直接影 响实体与传播影 响实体； 构建更新模 型更新直接影响实体与传播影响实体的嵌入表 示； 构建读取模 型读取更新后的直接影 响实体与 传播影响实体在查询时刻下的嵌入表 示； 利用得 分函数根据在查询时刻下的嵌入表示计算各知 识的置信度， 并根据各知识的置信度进行未来知 识预测； 本发 明将实体嵌入表 示解耦为外部存储 来保存实体的历史语义， 灵活初始化新出现的实 体， 充分考虑新知识带来的直接影响与传播影 响， 并利用更新模型更新实体的嵌入表示， 快速 生成嵌入表 示； 并构建读取模型准确地预测实体 语义的演化轨 迹。 权利要求书3页 说明书9页 附图1页 CN 114896416 A 2022.08.12 CN 114896416 A 1.一种面向流场景的时序知识图谱嵌入与预测方法， 其特 征在于， 包括以下步骤： S1、 采集流场景下的交互知识， 并进行 预处理， 得到预处 理后的交 互知识； S2、 获取预处理后的交 互知识的直接影响实体与传播影响实体； S3、 构建更新模型， 并利用更新模型更新直接影响实体与传播影响实体的嵌入表示， 得 到更新后的直接影响实体与传播影响实体； S4、 构建读取模型， 并根据读取模型读取更新后的直接影响实体与传播影响实体在查 询时刻下的嵌入表示； S5、 利用得分函数根据在查询时刻下的嵌入表示计算各知识的置信度， 并根据各知识 的置信度进行 未来知识预测。 2.根据权利要求1所述的面向流场景的时序知识图谱嵌入与预测方法， 其特征在于， 步 骤S1具体为： 采集流场景下的交互知识， 并筛选出具有新实体的交互知识， 同时在知识图谱中构建 新的内存空间， 并利用该新实体的原始特征初始化该内存空间； 处理后的交互知识与筛选 后剩余的交 互知识， 共同作为预处 理后的交 互知识。 3.根据权利要求1所述的面向流场景的时序知识图谱嵌入与预测方法， 其特征在于， 步 骤S3具体为： A1、 计算直接影响实体的直接影响特 征， 其计算式表示 为： 其中， 为tp时刻下直接影响实体ei的直接影响特征； g为时序知 识图谱所有的知识组 成的集合； (ei， rm， ej， tp)为所有发生在tp时刻的包含直接影响实体ei的交互知识； Comp(.) 为组合计算函数； rm为各直接影响实体间关系rm的嵌入表示； 为直接影响实体ej在tp时 刻之前最 新的嵌入表示； A2、 计算传播影响实体的传播影响特 征， 其计算式表示 为： 其中， 为tp时刻下所有以传播影响实体ek为尾的路径组成的集合； Wp为第一可学习 参数矩阵； [： ]为联结操作； tanh(.)为双曲正切函数； 为传播影响实体eo在tp时刻之前 最新的嵌入表示， rn为各传播影响实体间关系rn的嵌入表示； A3、 构建嵌入表示更新函数， 并根据嵌入表示更新函数更新直接影响实体与传播影响 实体的嵌入表示， 得到更新后的直接影响实体与传播影响实体。 4.根据权利要求3所述的面向流场景的时序知识图谱嵌入与预测方法， 其特征在于， 步 骤A3中嵌入表示更新式的构建过程表示 为： B1、 构建擦除量 函数， 其函数表示 为：权　利　要　求　书 1/3 页 2 CN 114896416 A 2其中， z为擦除向量； σ(.)为sigmoid激活函数； Wz为第二可学习参数矩阵； [： ]为联结操 作； 是实体ea的影响特征， 即实体ea可表征直接影 响实体或传播影 响实体； bz为第一参数 向量； 为实体ea在tp时刻之前最 新的嵌入表示； B2、 构建写入量 函数， 其函数表示 为： 其中， c为写入向量； tanh(.)为双曲正切函数； Wc为第三可学习参数矩阵； bc为第二参数 向量； B3、 根据擦除量函数与写入量函数构建嵌入表示更新函数， 并根据嵌入表示更新函数 更新直接影响实体与传播影响实体的嵌入表示， 得到更新后的直接影响实体与传播影响实 体； 嵌入表示更新 函数表示 为： 其中， 为tp时刻更新过的实体ea的嵌入表示， ⊙为元素积运算。 5.根据权利要求1所述的面向流场景的时序知识图谱嵌入与预测方法， 其特征在于， 步 骤S4具体为： C1、 构建多头演化模型模拟得到更新后的直接影响实体与传播影响实体的语义演化轨 迹， 其语义演化轨 迹表示为： 其中， 为实体ea在tq时刻下语义演化轨迹； K为演化头的数量； sin(.)为正弦函数； 是实体ea在tq时间之前最近的一次更新的时间戳； mk为演化周期向量； 为实体ea在tp时 刻之前最 新的嵌入表示； C2、 计算局部状态向量， 其计算式表示 为： 其中， 为实体ea在tq时刻下局部 状态向量； tanh(.)为双曲正切函数； Wg为第四可学习 参数矩阵； σ(.)为sigmoid激活函 数； N(ea， tq)代表在tq时刻前与实体ea有过交互的实体ec组 成的集合； μ为超参数； 为实体ec在tp时刻之前最 新的嵌入表示； C3、 根据局部状态向量与语义演化轨迹构建读取模型， 并根据读取模型读取更新后的 直接影响实体与传播影响实体在查询时刻下的嵌入表示； 其在查询时刻下的嵌入表示 为： 权　利　要　求　书 2/3 页 3 CN 114896416 A 3