1.一种农业病虫害知识图谱优化方法,其特征在于,包括以下步骤:自初始知识图谱中提取信息元素,对所述信息元素进行优化处理,以获取包含若干个节点编码的节点张量单元组及包含若干个关系编码的关系张量单元组;
构建训练模型,通过损失函数对所述训练模型进行优化,以获取预测模型;
自所述节点张量单元组内选定某一节点编码为头节点编码,自所述关系张量单元组内选定某一关系编码为第一关系编码,基于所述头节点编码、所述第一关系编码及所述预测模型于所述节点张量单元组内选定另一节点编码为尾节点编码,所述头节点编码、所述第一关系编码及所述尾节点编码构成第一链接;
提取与所述第一关系编码相似的若干个第二关系编码,分别提取与所述第一关系编码及所述第二关系编码关联的节点编码,以形成挖掘空间;
设置初始挖掘范围,所述初始挖掘范围覆盖所述挖掘空间,通过所述初始挖掘范围内的节点编码的密度,对所述初始挖掘范围进行一次调节判定,通过所述初始挖掘范围内的节点编码的相似度,对所述初始挖掘范围进行二次调节判定,通过所述一次调节判定及所述二次调节判定,将所述初始挖掘范围调节至终选挖掘范围;
基于所述终选挖掘范围,于所述挖掘空间内的节点编码中确定终选节点编码,以所述终选节点编码自若干个所述第二关系编码中确定相似编码,所述头节点编码、所述相似编码及所述尾节点编码构成第二链接;
自所述第一链接及所述第二链接中确定预测链接。
2.根据权利要求1所述的农业病虫害知识图谱优化方法,其特征在于,所述自初始知识图谱中提取信息元素,对所述信息元素进行优化处理,以获取包含若干个节点编码的节点张量单元组及包含若干个关系编码的关系张量单元组的步骤包括:自初始知识图谱中的节点集合内提取节点信息元素,对所述节点信息元素进行编码赋予,以获取若干个节点编码,若干个所述节点编码形成所述节点张量单元组;
自初始知识图谱中的关系集合内提取关系信息元素,对所述关系信息元素进行编码赋予,以获取若干个关系编码,若干个所述关系编码形成所述关系张量单元组。
3.根据权利要求1所述的农业病虫害知识图谱优化方法,其特征在于,所述损失函数的公式为:,
其中, 表示损失函数, 表示逻辑回归函数, 表示固定差值, 表示节点张量单元组内某一正样本头节点编码, 表示关系张量单元组内某一正样本关系编码,表示节点张量单元组内某一正样本尾节点编码, 表示节点张量单元组内某一负样本头节点编码, 表示关系张量单元组内某一负样本关系编码, 表示节点张量单元组内某一负样本尾节点编码,表示阿达玛乘积,n、i均表示计算参数。
4.根据权利要求1所述的农业病虫害知识图谱优化方法,其特征在于,所述通过所述初始挖掘范围内的节点编码的密度,对所述初始挖掘范围进行一次调节判定的步骤包括:判断所述初始挖掘范围内的节点编码的密度是否大于密度阈值;
若所述初始挖掘范围内的节点编码的密度大于所述密度阈值,则缩小挖掘范围;
若所述初始挖掘范围内的节点编码的密度小于所述密度阈值,则扩大挖掘范围;
所述通过所述初始挖掘范围内的节点编码的相似度,对所述初始挖掘范围进行二次调节判定的步骤包括:判断所述初始挖掘范围内的节点编码的相似度是否大于相似度阈值;
若所述初始挖掘范围内的节点编码的相似度大于所述相似度阈值,则扩大挖掘范围;
若所述初始挖掘范围内的节点编码的相似度小于所述相似度阈值,则缩小挖掘范围。
5.根据权利要求1所述的农业病虫害知识图谱优化方法,其特征在于,所述初始挖掘范围内的节点编码的密度的计算公式为:,
其中, 表示初始挖掘范围内的节点编码的密度, 表示初始挖掘范围内的某一节点编码,表示初始挖掘范围内全部的节点编码的数量,表示初始挖掘范围内全部的节点编码的均值,表示初始挖掘范围内全部的节点编码的标准差, 表示指数函数;
所述初始挖掘范围内的节点编码的相似度的计算公式为:
,
其中, 表示初始挖掘范围内的节点编码的相似度, 表示调
节前的初始挖掘范围内的节点编码的集合, 表示调节后的初始挖掘范围内的节点编码的集合,表示调节前的初始挖掘范围内的某一节点编码,表示调节后的初始挖掘范围内的某一节点编码, 表示概率计算公式。
6.根据权利要求1所述的农业病虫害知识图谱优化方法,其特征在于,所述自所述第一链接及所述第二链接中确定预测链接的步骤包括:计算所述第一链接的源区域得分;
计算所述第二链接的相关区域得分;
基于所述源区域得分及所述相关区域得分确定预测链接。
7.根据权利要求6所述的农业病虫害知识图谱优化方法,其特征在于,所述源区域得分的计算公式为:,
其中, 表示源区域得分, 表示头节点编码, 表示第一关系编码, 表示尾节点编码, 表示范数,表示阿达玛乘积;
所述相关区域得分的计算公式为:
,
其中, 表示相关区域得分, 表示相似编码, 表示相似度权重。
8.根据权利要求6所述的农业病虫害知识图谱优化方法,其特征在于,所述基于所述源区域得分及所述相关区域得分确定预测链接的步骤包括:将所述源区域得分与所述相关区域得分进行比对;
若所述源区域得分高于所述相关区域得分,则将所述第一链接判定为所述预测链接;
若所述源区域得分低于所述相关区域得分,则将所述第二链接判定为所述预测链接。
9.一种农业病虫害知识图谱优化系统,应用如权利要求1 8任一项所述的农业病虫害~知识图谱优化方法,其特征在于,所述系统包括:
提取模块,用于自初始知识图谱中提取信息元素,对所述信息元素进行优化处理,以获取包含若干个节点编码的节点张量单元组及包含若干个关系编码的关系张量单元组;
组建模块,用于构建训练模型,通过损失函数对所述训练模型进行优化,以获取预测模型;
第一推算模块,用于自所述节点张量单元组内选定某一节点编码为头节点编码,自所述关系张量单元组内选定某一关系编码为第一关系编码,基于所述头节点编码、所述第一关系编码及所述预测模型于所述节点张量单元组内选定另一节点编码为尾节点编码,所述头节点编码、所述第一关系编码及所述尾节点编码构成第一链接;
第二推算模块,用于提取与所述第一关系编码相似的若干个第二关系编码,分别提取与所述第一关系编码及所述第二关系编码关联的节点编码,以形成挖掘空间;
调节模块,用于设置初始挖掘范围,所述初始挖掘范围覆盖所述挖掘空间,通过所述初始挖掘范围内的节点编码的密度,对所述初始挖掘范围进行一次调节判定,通过所述初始挖掘范围内的节点编码的相似度,对所述初始挖掘范围进行二次调节判定,通过所述一次调节判定及所述二次调节判定,将所述初始挖掘范围调节至终选挖掘范围;
筛选模块,用于基于所述终选挖掘范围,于所述挖掘空间内的节点编码中确定终选节点编码,以所述终选节点编码自若干个所述第二关系编码中确定相似编码,所述头节点编码、所述相似编码及所述尾节点编码构成第二链接;
选择模块,用于自所述第一链接及所述第二链接中确定预测链接。
10.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的农业病虫害知识图谱优化方法。