1.一种基于自适应负采样的知识图谱嵌入方法,其特征在于,该方法包括以下步骤:步骤1、根据实体间的相似性对实体向量进行分组;
步骤2、利用同一分组内的相似实体进行相互替换并生成与正例三元组相似的负例三元组;
步骤3、将所述正例三元组与所述负例三元组作为知识图谱嵌入模型中的训练输入;
步骤4、利用所述知识图谱嵌入模型的损失函数优化更新实体向量与关系向量。
2.根据权利要求1所述的一种基于自适应负采样的知识图谱嵌入方法,其特征在于,所述根据实体间的相似性对实体向量进行分组,具体采用无监督的聚类算法对实体向量进行分组。
3.根据权利要求1所述的一种基于自适应负采样的知识图谱嵌入方法,其特征在于,所述利用同一组内的相似实体进行相互替换并生成与正例三元组相似的负例三元组,具体采用以下步骤:步骤21、选择正例三元组中需要被替换的实体,获取被替换实体所在的分组的所有实体信息;
步骤22、根据获取的所有实体在知识图谱中出现的频率对实体进行采样,并进行替换生成负例三元组;
步骤23、判断所述负例三元组是否在知识图谱中出现,出现则返回步骤22进行重新生成。
4.根据权利要求1所述的一种基于自适应负采样的知识图谱嵌入方法,其特征在于,所述知识图谱嵌入模型采用基于翻译的表示学习模型。
5.根据权利要求1所述的一种基于自适应负采样的知识图谱嵌入方法,其特征在于,所述利用知识图谱嵌入模型的损失函数优化更新实体向量与关系向量;具体采用以下损失函数公式:其中,S是正例三元组集合,S′={(h′,r,t)|h′∈Eh}∪{(h,r,t′)|t′∈Et}是负例三元组集合,其中,Eh表示实体h所在的分组,Et表示实体t所在的分组,[fr(h,t)+γ-fr(h′,t′)]+=max(0,f(h,t)+γ-f(h′,t′)),γ是边界,fr(h,t)表示正例三元组的得分函数,fr(h',t')表示负例三元组的得分函数。
6.根据权利要求1所述的一种基于自适应负采样的知识图谱嵌入方法,其特征在于,所述利用知识图谱嵌入模型的损失函数优化更新实体向量与关系向量具体利用随机梯度下降算法最小化损失函数,对实体向量与关系向量进行更新。