(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 202210844545.5 (22)申请日 2022.07.19 (71)申请人 中国石油大 学 （华东） 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 徐九韵　张文洁　 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/31(2019.01) (54)发明名称 一种基于高阶邻居属性传播的知识图谱节 点属性补全方法 (57)摘要 本发明公开了一种基于高阶邻居属性传播 的知识图谱节 点属性补全 方法， 涉及知识图谱补 全领域， 针对知识图谱中存在的数字属性值缺失 问题， 该方法在多关系知识图谱 上聚合来自节点 高阶邻居的属性信息， 利用回归函数计算不同关 系下每对属性之间的相互影 响， 并在传播及迭代 更新过程中调整模型参数， 使用预测误差优化模 型损失， 直至取得最优预测 效果。 在两个通用数 据集上的实验 结果表明， 由于考虑了知识图谱中 所包含的实体的高阶邻居信息， 该 发明能更加准 确、 有效地预测节点属性的缺失值， 补全效果 好。 权利要求书2页 说明书5页 附图1页 CN 115269867 A 2022.11.01 CN 115269867 A 1.一种基于高阶邻居属性传播的知识图谱节点属性补全方法， 包括如下步骤： 步骤1： 具有n个实体的数字属性知识图谱可以表示为G＝(E,R,P,A)， 其中E＝{ei|i＝ 1,…n}表示实体 集合,R＝{ri,j}表示节点ei和ej之间的多关系边， 其中ei,ej∈E,P＝{pi|i＝ 1,…,k}和A＝{ai|i＝1,…,m}分别表示关系路径和 属性。 因此， 实体e的属性可以定义 为Ae。 步骤2： 实体e∈E的邻居集 合可以定义 为 其中i表示邻居的阶数。 步骤3： 对于实体 e,Ae表示其属性集合,对于e的邻居,我们使用 定义其属性,其中i 与上述一致， 表示邻居的阶数。 步骤4： 模型预测属性值的来源主要可以分为三大部分， 包括实体内部属性信息、 实体 周围一阶邻居信息以及实体周围二 阶邻居信息。 对于实体内部属 性信息， 我们将该部分的 贡献设置为对节点自身其 他属性的线性回归： yv＝fy|x(xv)＝ ηy|xxv+γy|x+ ε0 其中， 误差 ε0服从标准差为σy|x的正态分布， 即ε0～N(0,( σy|x)2)。 则方差( σy|x)2可利用如 下方式计算： ( σy|x)2＝mean({(yv‑ηy|xxv‑γy|x)2|v∈ εy|x}) εy|x为节点属性 集合。 对于参数 ηy|x和γy|x估计方式如下： γy|x＝mean({(yv‑ηy|xxn)|v∈ ε(y,x)}) 其中， μx， μy分别为属性x和y的均值。 步骤2： 与节点自身信 息的表示类似， 一阶邻居信息的贡献为一阶邻居中所包含属性的 线性回归， 不同的是， 在一阶邻居的线性回归中， 结合图的多关系结构对节点之 间不同的连 接关系进行了加权区分。 步骤3： 为了尽可能多的利用图中所包含的有用信息， 本发明提出了一种新的二阶邻居 信息的利用方法。 通过图2我们 可以发现， 随着阶数的增加， 节点的邻居数量将呈指数型增 长， 因此， 不同于实体的一阶邻居， 我们采用相似度对二阶邻居与节点之 间的相关性进行度 量， 从而筛选出对实体缺失属 性预测最有价值的二阶邻居实体， 以确保在提升信息利用率 的同时， 最大程度的减小计算 开支。 具体步骤为： (1)查找目标节点ei的一阶邻居集 合 (2)查找 中包含的所有节点的邻居节点集 且满足 通过相似度度量 指标计算ei和 之间的相似度 (3)根据相似度度量指标计算出的值对实体进行排序， 选 择前T个最大的实体 作为二 阶邻居； (4)为 和ei建立新的连接， 权 重设为 所包含一阶邻居的权 重最小值。 步骤4： 经过二阶邻居发现方法筛选后， 原始图结构得到了有效简化。 则二阶邻居信息权　利　要　求　书 1/2 页 2 CN 115269867 A 2可以表示如下： 步骤5： 计算损失函数。 模型的学习目标是为了最小化缺失的属性值与从内部和外部信 息源收集的预测之间的距离 。 具体定义如下： 步骤6： 当距离函数d( ·)简单的取做平方差时， 该问题的解可以通过对ye求导得到。 在 聚合周围邻居对节点e的属性 值贡献时， 通过k次迭代获得达 到收敛域 值的e的预测如下： 其中， 为归一化因子。 步骤7： 为了保证收敛， 新的预测将通过阻尼因子进行如下处 理： 步骤8： 经过反复迭代， 模型最终获得了一个稳定的状态， 以最小化相邻节点之间标签 的不一致性。 步骤9： 从知识图谱任意选取残缺数值属性的三元组(e,a,？ )， 其中？ 表示待补全的实 体,遍历实体集合， 计算步骤6中的值,选取最小预测误差对应的预测值作为当前属 性三元 组补全结果， 得到补全的三元组(e,a,v)； 步骤10： 遍历知识图谱中所有的残缺属性三元组， 重复执行步骤6、 7、 8， 得到补全完整 的数值属性知识图谱。权　利　要　求　书 2/2 页 3 CN 115269867 A 3