基于关系图卷积神经网络的时态知识图谱补全方法及系统

本发明公开了基于关系图卷积神经网络的时态知识图谱补全方法，涉及知识图谱补全技术领域；其包括全局与局部信息感知的子图采样器获取查询节点的关键邻居后创建子图；编码器从所述子图中生成关键邻居的时间感知表示，并使用图卷积进行特征聚合得到查询的嵌入表示；知识图谱评分函数作为解码器，使用查询嵌入表示来对时间事实的可能性进行评分。解决时态知识图谱补全中全局和局部信息捕捉不足的问题，提高对事件演化规律的推理能力，从而增强补全任务的准确性。解决现有基于深度学习的时态知识图谱补全方法中模型复杂度高、参数量大、内存占用多的问题，简化模型结构，降低计算和内存需求，同时保持模型性能，提高模型的实用性和效率。