← 返回列表
SubGNN注入空间特征的地理知识图谱表示学习方法
申请人信息
- 申请人:南京师范大学
- 申请人地址:210024 江苏省南京市鼓楼区宁海路122号
- 发明人: 南京师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | SubGNN注入空间特征的地理知识图谱表示学习方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410156606.8 |
| 申请日 | 2024/2/4 |
| 公告号 | CN117688121A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06F16/29 |
| 权利人 | 南京师范大学 |
| 发明人 | 曹敏; 羊勇全; 郭雅琪; 王小川; 孔德辉 |
| 地址 | 江苏省南京市栖霞区文苑路1号 |
摘要文本
本发明公开了一种SubGNN注入空间特征的地理知识图谱表示学习方法，包括通过地理实体的唯一标识符，链接地理实体的空间数据，将点、线和面地理实体统一表达为无向图中的子图；采用子图神经网络进行位置、邻居、结构空间信息特征编码，获得地理实体基于空间特征的向量表示；结合图谱本身结构的向量表示，改进融合地理空间特征向量的能量函数，在平移模型的框架下进行学习，最终得到融合空间特征的知识图谱向量表示。本申请设计了一种注入地理空间特征的知识表示学习模型，提升了地理空间知识向量表示的准确性，提高了地理知识链接预测任务的性能，从而更好服务于地理空间知识图谱的知识补全和知识推理等应用。。
专利主权项内容
1.一种SubGNN注入空间特征的地理知识图谱表示学习方法，其特征在于，所述方法包括如下步骤：S1：抓取地理空间知识图谱中地理实体的矢量数据，作为获得地理实体的空间特征向量表示的基础数据；S2：设计一种在统一的空间中将点、线和面实体一致表达且保持实体空间特征完整的映射方法，将点、线和面实体统一表达为子图的形式；S3：提出基于子图神经网络的地理空间特征编码器，结合地理实体的位置、邻居与结构特征，获得地理实体基于空间特征的向量表示；S4：基于平移模型，设计融合地理实体空间特征向量的能量函数，将基于地理实体的空间特征和基于图谱本身结构特征的两种向量表示学习到同一个连续向量空间。